Pratiwi Hanjani Putri-Fst
Pratiwi Hanjani Putri-Fst
SKRIPSI
Sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Sistem Informasi
Fakultas Sains dan Teknologi
Universitas Islam Negeri Syarif Hidayatullah Jakarta
Oleh:
PRATIWI HANJANI PUTRI
11150930000025
SKRIPSI
HALAMAN JUDUL
Sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Sistem Informasi
Fakultas Sains dan Teknologi
Universitas Islam Negeri Syarif Hidayatullah Jakarta
Oleh:
PRATIWI HANJANI PUTRI
11150930000025
i
ANALISIS PENERIMAAN PENGGUNA TERHADAP APLIKASI MOBILE JKN BADAN
SKRIPSI
Sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Sistem Informasi
Fakultas Sains dan Teknologi
Universitas Islam Negeri Syarif Hidayatullah Jakarta
Oleh:
PRATIWI HANJANI PUTRI
11150930000025
ii
LEMBAR PERSETUJUAN
Disusun Oleh :
NIM : 11150930000025
Menyetujui,
Mengetahui,
Ketua Program Studi Sistem Informasi Fakultas Sains dan Teknologi
UIN Syarif Hidayatullah Jakarta
iii
LEMBAR PENGESAHAN
Penguji I Penguji II
Pembimbing I Pembimbing II
Mengetahui,
iv
PERNYATAAN
11150930000025
v
ABSTRAK
Kata Kunci : Mobile JKN, UTAUT, AMOS versi 24, BPJS Kesehatan, CB-SEM,
Penerimaan
BAB I-V + 168 Halaman + xvi Halaman + 28 Gambar + 57 Tabel + Daftar Pustaka
+ Lampiran
vi
KATA PENGANTAR
Puji dan syukur penulis panjatkan kehadirat Allah SWT atas segala nikmat
dan karunia-Nya, terutama nikmat sehat sehingga penulis selalu dalam keadaan
baik dalam menyusun laporan skripsi ini. Tidak lupa, shalawat serta salam semoga
Namun demikian peneliti berharap bahwa skripsi ini dapat memenuhi persyaratan
guna memperoleh gelar sarjana (S-1) dalam bidang Sistem Informasi dari Fakultas
penyusunan laporan skripsi ini tentunya terdapat hambatan dan kesulitan yang
dihadapi, baik dalam pengumpulan data dan lain sebagainya. Namun berkat
bantuan yang didapat dari berbagai pihak, kesulitan tersebut dapat diatasi.
Kebahagiaan yang tak ternilai secara pribadi dapat dipersembahkan kepada kedua
orang tua, seluruh keluarga, dan pihak-pihak yang telah ikut dalam penyelesaian
skripsi ini.
vii
Dalam kesempatan kali ini, peneliti ingin menyampaikan rasa terima kasih
yang sebesar-besarnya atas dukungan dan semua bantuan yang telah diberikan
dalam menyelesaikan skripsi ini. Secara khusus rasa terima kasih tersebut peneliti
sampaikan kepada :
1. Ibu Pro. Dr. Lily Surraya Eka Putri, M.Env.Stud selaku Dekan Fakultas Sains
2. Bapak A’ang Subiyakto, Ph.D selaku Ketua Program Studi Sistem Informasi,
Jakarta
3. Bapak A’ang Subiyakto, Ph.D sebagai Dosen Pembimbing I dan Ibu Eva
Khudzaeva, M.Si sebagai Dosen Pembimbing II yang tidak pernah lelah dan
untuk waktu, tenaga, dukungan, arahan, saran, dan kritik yang membangun
selama perkuliahan
5. Ibu Ni Made Ayu Sri Ratna Sudewi selaku Deputi Direksi Wilayah DKI
Jakarta, Bogor, Depok, Tangerang dan Bekasi BPJS Kesehatan yang telah
JABODETABEK.
viii
6. Ibu Upik Handayani selaku Deputi Bidang Pengendali Mutu Pelayanan BPJS
7. Bapak Siswanto selaku staff komunikasi publik BPJS Kesehatan, Bapak Aldo
selaku staff BPJS Kesehatan, Ibu Clara Devina Putri selaku Sekertaris dari
Ibu Upik Handayani, dan Seluruh karyawan serta staff di BPJS Kesehatan
9. Bapak Pahrifin dan Ibu Wenti Sri Susianti selaku orang tua penulis yang telah
10. Patriwa Rahmat Syahputra selaku adik peneliti yang selalu memberikan
11. Keluarga Besar Thamrin dan Keluarga besar Hj. Mahani yang telah
12. Sahabat-sahabat yaitu Ranti, Anka, Rina, Abdur, Gerry, Shofi, Nisa, Gio,
KKN HAKS 163 yang tidak bisa penulis sebutkan satu persatu yang telah
ix
memberikan semangat, motivasi, dukungan, bantuan ilmu dan doa kepada
seluruh pihak-pihak yang terkait dan telah berjasa membantu dalam proses
penyelesaian skripsi ini yang tidak dapat disebutkan satu persatu namun tidak
Atas bantuan semua pihak, peneliti sangat berterima kasih dan berdoa
kepada Allah SWT semoga apa yang telah diberikan dijadikan amal kebaikan dan
Peneliti menyadari bahwa skripsi ini masih jauh dari kata sempurna, serta
bahasanya, maka dari itu penulis mengharapkan kritik dan saran yang bisa
memberikan hal yang bermanfaat bagi pembaca maupun penulis sendiri. Akhir
Wassalamu’alaikum Wr.Wb.
x
DAFTAR ISI
HALAMAN JUDUL................................................................................................ i
PERNYATAAN ...................................................................................................... v
ABSTRAK ............................................................................................................. vi
xi
2.2 Definisi Penerimaan Pengguna............................................................... 17
2.15 AMOS..................................................................................................... 56
xii
4.1.1 Analisis Hasil Data Wawancara ...................................................... 83
xiii
DAFTAR GAMBAR
xiv
Gambar 4. 20 Uji Hipotesis Model .................................................................... 150
xv
DAFTAR TABEL
xvi
Tabel 4. 21 Loading Factor Modifikasi Konstruk Facilitating Condition ......... 109
Tabel 4. 22 Goodness-of-Fit Index Konstruk Trust .......................................... 110
Tabel 4. 23 Uji Validitas Konstruk Trust ........................................................... 110
Tabel 4. 24 Loading Factor Konstruk Trust ....................................................... 111
Tabel 4. 25 Goodness-of-Fit Index Konstruk Satisfaction ................................ 112
Tabel 4. 26 Uji ValiditasKonstruk Satisfaction.................................................. 112
Tabel 4. 27 Loading Factor Konstruk Satisfaction............................................. 113
Tabel 4. 28 Goodness-of-Fit Index Konstruk Behavioral Intention .................. 114
Tabel 4. 29 Uji Validitas Konstruk Behavioral Intention .................................. 114
Tabel 4. 30 Loading Factor Konstruk Behavioral Intention .............................. 115
Tabel 4. 31 Goodness-of-Fit Index Konstruk Use Behavior ............................. 116
Tabel 4. 32 Uji Validitas Konstruk Use Behavior.............................................. 116
Tabel 4. 33 Loading Factor Konstruk Use Behavior.......................................... 117
Tabel 4. 34 Goodness-of-Fit Index Variabel Eksogen....................................... 118
Tabel 4. 35 Uji Validitas Variabel Eksogen ....................................................... 119
Tabel 4. 36 Loading Factor Variabel Eksogen ................................................... 120
Tabel 4. 37 Goodness-of-Fit Index Variabel Endogen ...................................... 121
Tabel 4. 38 Uji Validitas Variabel Endogen ...................................................... 122
Tabel 4. 39 Loading Factor Variabel Endogen .................................................. 123
Tabel 4. 40 Normalitas ....................................................................................... 124
Tabel 4. 41 Outlier.............................................................................................. 127
Tabel 4. 42 Data tidak Outlier ............................................................................ 128
Tabel 4. 43 Hasil Estimasi Parameter dan Standard Error ................................ 132
Tabel 4. 44 Bootstrap Standard Error ............................................................... 135
Tabel 4. 45 Hasil Bootstrapping Goodness-of-Fit Index Full Structural Equation
Model ........................................................................................................... 138
Tabel 4. 46 Hasil Bootstrapping Full Model Struktural .................................... 138
Tabel 4. 47 Perhitungan Composite (Construct) Reliability .............................. 140
Tabel 4. 48 Perhitungan Variance Extracted ..................................................... 142
Tabel 4. 49 Standarisasi Regression Weight Full Model ................................... 144
Tabel 4. 50 Uji Hipotesis .................................................................................... 149
xvii
DAFTAR LAMPIRAN
xviii
BAB I
PENDAHULUAN
pesat dalam segala aspek kehidupan. Dengan adanya teknologi yang semakin
teknologi informasi saat ini bukan menjadi tuntutan lagi bagi perusahaan atau
kebutuhan akan informasi yang cepat, andal dan akurat sangat diperlukan
dapat digunakan di smartphone. Saat ini teknologi yang sering digunakan yaitu
1
pelayanan melewati sistem informasi berbasis aplikasi mobile (Moon & Chang,
2014). Sistem informasi yang telah diterapkan pada organisasi dapat menunjang
Faktor yang saat ini memegang peranan penting dalam keberhasilan penerapan
menentukan sukses dan tidaknya teknologi tersebut (Saputra, 2014). Salah satu
aspek perilaku pengguna (Sarja, 2015). Faktor pengguna dapat menjadi suatu
tolak ukur untuk menilai penerimaan sebuah teknologi informasi oleh pengguna
perlu adanya analisis penerimaan pengguna terhadap sistem baru seperti sistem
yang sudah ada di BPJS Kesehatan yaitu aplikasi Mobile JKN. Terdapat banyak
2
UTAUT adalah sebuah model yang digunakan untuk menjelaskan perilaku
dikembangkan melalui ulasan dan integritasi delapan teori dan model dominan
Keempat konstruk utama ini dimoderatori oleh gender, age, experience, dan
teknologi (Yoep & Noh, 2016). Model UTAUT adalah model baru yang
pengguna menerima atau menolak suatu teknologi dalam perspektif tertentu dan
3
Asuransi kesehatan perlu dimiliki oleh orang-orang yang ingin menjamin
secara khusus biaya kesehatan atau perawatan jika sakit atau mengalami
Jaminan Sosial Nasional dan Undang-Undang No.24 Tahun 2011 tentang Badan
kerja, kematian, jaminan pensiun, dan tunjangan hari tua. Jaminan yang
dalam memenuhi kebutuhan dasar kesehatan yang diberikan kepada setiap orang
yang telah membayar iuran atau iurannya dibayar oleh pemerintah (RI, 2013).
4
memberikan inovasi pengembangan aplikasi Mobile JKN yang berguna untuk
diunduh melalui aplikasi Mobile JKN di Google Playstore atau Apps Strore.
Tujuan adanya Mobile JKN yaitu masyarakat dapat menikmati layanan dengan
cepat. Aplikasi ini dapat digunakan dimana saja kapanpun tanpa batasan waktu
(self service).
500000
400000
300000
200000
100000
Pengguna
0
Jakarta Bogor Depok Tangerang Bekasi
Pengguna
5
Aplikasi ini dapat dioperasikan melalui smartphone. Aplikasi Mobile JKN
berisi banyak fitur yang berguna untuk peserta JKN-KIS. Salah satu fitur yang
disediakan oleh Mobile JKN yaitu peserta dapat mendapatkan informasi seperti
Info JKN, lokasi faskes, skrining riwayat kesehatan, ubah data peserta, maupun
pengaduan keluhan. Kemudian dalam Mobile JKN ini, peserta BPJS Kesehatan
mudah mengetahui informasi tagihan. Mobile JKN terdapat pula e-ID kartu
diantaranya masih belum banyak yang mengetahui aplikasi Mobile JKN, para
user atau pengguna Mobile JKN ketika melakukan awal registrasi pada aplikasi
terjadi kesalahan dalam kesesuaian data yang diinput peserta dalam aplikasi
dengan data yang sudah ada di BPJS Kesehatan. Sehingga peserta harus
Pengguna aplikasi Mobile JKN mengalami keluhan tidak bisa log in pada
aplikasi Mobile JKN, sehingga jika user ingin mengetahui informasi kepesertaan
atau tagihan harus mengubungi care center via telepon yang sistemnya antrian
6
melakukan penelitian mengenai penerimaan pengguna terhadap Aplikasi Mobile
Use Of Technology”.
7
1.3 Perumusan Masalah
UTAUT?
1.4.1. Tujuan
berikut :
UTAUT.
8
1.4.2. Sasaran
untuk mengukur penerimaan pengguna terhadap sistem. Model ini terdiri dari
6 variabel yaitu :
menambahkan dua variabel yaitu Trust (TRU) (Mayer et al. (1995); Sharma et
9
al., 2018; Zhou (2012)) sebagai variabel independen dan Satisfaction (SAT)
(Chan et al. (2010); Oliver (1981); Saleem dan Rashid (2011)) sebagai variabel
10
H1 : Apakah Performance Expectancy (PE) berpengaruh secara
Satisfaction (SAT)?
11
terhadap Use Behavior (UB)?
Ruang lingkup dan batasan yang ada dalam penelitian ini adalah :
Trust (Mayer et al. (1995); Sharma et al., 2018; Zhou (2012)) dan
Satisfaction (Chan et al. (2010); Oliver (1981); Saleem dan Rashid (2011))
terdiri dari tahap pertama purposive sampling (Effendi & Tukiran, 2012;
12
1.8 Metodologi Penelitian
dirancang untuk penelitian. Reponden pada penelitian ini adalah peserta Badan
dilakukan dengan teknik multi-stage purposive sampling yang terdiri dari tahap
13
pertama purposive sampling (Effendi & Tukiran, 2012; Supriyadi, 2014) dan
melalui link di media sosial dengan menggunakan fitur google forms untuk
2013. Penelitian ini menggunakan teknik analisis data SEM dengan tools
AMOS 24.
sebelumnya. Penelitian ini juga dapat menjadi alternatif baru bagi peneliti
Mobile JKN.
14
1.10 Sistematika Penulisan
Dalam penulisan laporan penelitian ini terbagi dalam lima bab yang
analisis, dan penutup. Berikut penjelasan singkat terkait lima bab tersebut.
BAB I PENDAHULUAN
penelitian.
15
pendekatan, prosedur, populasi dan sampel, instrumen,
AMOS 24.
BAB V PENUTUP
kajian selanjutnya.
16
BAB II
LANDASAN TEORI
2012) :
Analisis adalah suatu pokok atas berbagai bagiannya dan penelaahan bagian
itu sendiri serta hubungan antar bagian untuk memperoleh pengertian yang
kebenarannya.
menggunakan suatu sistem dan jika tersedia maka individu tersebut dapat
17
Penerimaan pengguna dapat didefinisikan sebagai sejauh mana suatu sistem
bagaimana sistem baru akan diterima oleh masyarakat umum serta membantu
Y. Lee & Lehto, 2013). Penerimaan pengguna dapat sebagai sikap multidimensi
yang dipengaruhi oleh berbagai faktor teknis dan sosial (Al-Busaidi & Alshihi,
2010).
(1988), Davis (1989), Davis (1993), dan Igbaria (1993) menyatakan bahwa
Sistem Informasi terdiri dari dua suku kata yaitu sistem dan informasi.
Menurut Anggraeni dan Irvani (2017) Sistem adalah kumpulan orang yang
18
saling bekerja sama dengan ketentuan-ketentuan aturan yang sistematis dan
untuk mencapai tujuan. Sedangakan Informasi adalah data yang diolah menjadi
lebih berguna dan berarti, serta untuk mengurangi ketidakpastian dalam proses
Sistem informasi adalah suatu gabuangan atau kombinasi teratur dari orang-
orang, hardware, software, jaringan komunikasi dan sumber daya data yang
Menurut Hutahaean (2014) Sistem informasi adalah alur yang ada pada
Laudon, 2014).
Dari definisi diatas dapat disimpulkan bahwa sistem informasi adalah suatu
19
2.4 Definisi Aplikasi Mobile
kapan pun dan dimana pun pada smartphone pengguna serta menjalankan
lunak yang dapat digunakan dimana saja dan kapan saja untuk memenuhi
kebutuhan pengguna.
(Moon & Chang, 2014). Pada perusahaan atau organisasi pada bidang asuransi
atau jaminan kesehatan telah banyak yang meluncurkan sistem pelayanan untuk
aplikasi mobile. Perusahaan atau organisasi pada bidang asuransi atau jaminan
20
jaminan kesehatan dimana saja dan kapan saja. PhilHealth dapat digunakan oleh
peserta BPJS Kesehatan dimana saja dan kapan saja. Mobile JKN dapat diunduh
21
melalui Google Playstore bagi pengguna Android dan Appstore bagi pengguna
iOS.
Perbedaan aplikasi PhilHealth ACR dan Mobile JKN yaitu untuk PhilHealth
pada Mobile JKN dibandingankan dengan PhilHealth ACR yaitu untuk Mobile
JKN dapat digunakan oleh pengguna Android dan iOS. Sedangkan untuk
PhilHealth ACR hanya dapat digunakan oleh pengguna Android, sehingga untuk
yang sudah berbentuk aplikasi dan dapat digunakan di smartphone, maka Badan
sebuah sistem yang berbentuk aplikasi yaitu Mobile JKN yang bertujuan untuk
Mobile JKN adalah pergantian sistem pelayanan yang berubah kedigital dari
kantor cabang atau fasilitas kesehatan. Mobile JKN dapat digunakan oleh peserta
BPJS Kesehatan di mana saja, kapan saja, tanpa batasan waktu. Aplikasi ini
22
memanfaatkan teknologi informasi yang dapat diunduh melalui aplikasi Mobile
JKN di Google Playstore atau Apps Store. Setelah aplikasi Mobile JKN
Adaya aplikasi Mobile JKN memberikan lima kemudahan kepada peserta BPJS
seputar JKN-KIS
(KIS) Digital yang dapat digunakan oleh peserta BPJS Kesehatan sehingga tidak
23
perlu lagi membawa kartu secara fisik untuk berobat, cukup membawa
smartphone, dan menunjukkan kartu digital yang ada pada aplikasi Mobile JKN.
Dengan adanya aplikasi Mobile JKN yang memberikan berbagai fitur yang
disediakan, para pengguna tidak perlu lagi mengantri atau datang ke kantor BPJS
Aplikasi Mobile JKN terdapat fitur utama yaitu fitur peserta, fitur tagihan,
fitur pelayanan, dan fitur umum. 14 Fitur dalam aplikasi Mobile JKN sebagai
berikut :
1) Fitur Peserta :
keluarganya
memasukkan nomor KTP serta email atau SMS berisi nomor Virtual
Account
2) Fitur tagihan :
yang dipilih
24
c Menampilkan riwayat pembayaran iuran dan denda peserta selama
tiga bulan
3) Fitur Pelayanan :
antrean JKN
4) Fitur Umum :
25
Gambar 2. 3 Fitur Mobile JKN
26
penggabungan TAM dan TPB, Model of PC Utilization (MPTU), dan Social
teori diatas (Venkatesh et al., 2003). UTAUT memiliki tujuh konstruk yang
Voluntariness of Use.
Gambar 2. 4 UTAUT
27
Tabel 2. 1 Delapan Teori unsur UTAUT
28
behavioral control, subjective norm, dan behavioral attitude
(Taherdoost, 2018).
5. C-TAM-TPB TAM merupakan model yang variabel intention
(Combined TAM dipengaruhi oleh dua variabel utama yaitu perceived usefulness
dan TPB) dan perceived ease of use. Tetapi, TAM tidak akan memberikan
pengaruh dari faktor sosial dan faktor kontrol pada perilaku.
TPB merupakan model faktor sosial atau pengaruh sosial
disebut subjective norm yang telah terbukti mempengaruhi niat.
Faktor kontrol di TPB adalah perceived behavior control yang
dimodelkan mempengaruhi baik ke intention atau langsung ke
behavior. Gabungan TAM dan TPB merupakan sebuah teori
yang memasukkan kedua faktor TPB ke dalam model TAM
sehinga kelemahan pada model TAM yang tidak dapat
mengontrol perilaku pengguna sistm informasi dapat diatas.
Combined TAM dan TPB dapat digunakan secara bersama-
sama untuk menganalisis faktor-faktor yang mempengaruhi
sikap dan perilaku penerimaan penggunaan suatu sistem
informasi (Widyapraba et al., 2016).
29
digunakan untuk menjelaskan adopsi inovasi pengguna akhir
dan proses pengambilan keputusan (Y.-H. Lee et al., 2011).
8. SCT (Social SCT (Social Cognitive Theory) didasarkan dari tiga
Cognitive Theory) faktor utama : behavior, personal dan environment yang
berinteraksi dua arah untuk memprediksi kedua kelompok dan
perilaku individu. Dalam model SCT, faktor perilaku terutama
difokuskan pada pengguna, kinerja, dan adopsi masalah. Faktor
pribadi adalah setiap orang, apek kognitif dan demografi
karakteristik seseorang. Di sisi lain, faktor lingkungan meliputi
faktor fisik dan sosial yang baik secara fisik eksternal individu,
SCT adalah struktur yang tidak terpisahkan sehingga ketiga
faktor terus mempengaruhi satu sama lain, saling menentukan
satu sama lain (Taherdoost, 2018).
berkaitan dengan fenomena yang diselidiki oleh peneliti (Suryani & Hendryadi,
2016).
metode ini juga dikenal dengan scientific atau metode ilmiah dikarenakan sudah
30
Metode penelitian kuantitatif memiliki ciri khas berhubungan data numerik
(Supriyadi, 2014) :
Tujuan penelitian
Peran peneliti
sebab-akibat
31
Metode Deskriptif
ada.
Metode Kompratif
Metode Korelasi
tertentu.
Metode Survei
melalui pertanyaan-pertanyaan.
32
atas kajian teoritis, bahwa suatu variabel tertentu mengkaitkan
variabel tertentu.
eksperimen.
subjek tunggal.
33
Menyusun desain riset
Membuat kuesioner
Skala likert adalah skala yang dapat digunakan untuk mengukur perilaku,
pendapat, dan persepsi seseorang atau sekelompok orang tentang suatu objek
atau fenomena tertentu (Siregar, 2013). Skala likert pertama kali dikembangakn
oleh Rrensist Likert di tahun 1932, merupakan seorang sosiolog dari University
Bentuk pertama skala likert yaitu lima pilihan jawaban dari sangat tidak
setuju sampai dengan sangat setuju yang merupakan sikap atau persepsi
seseorang atas suatu kejadian atau pernyataan yang diberikan dalam bentuk
menggunakan skala 7 sampai 9 titik (Suryani & Hendryadi, 2016) . Skala likert
dapat disusun dalam bentuk pertanyaan atau pernyataan, dan bentuk pilihan
Menurut Suryani dan Hendryadi (2016), skala likert 5 titik (versi asli dari
34
1 : Strongly Disagree
2 : Disagree
4 : Agree
5 : Strongly Agree
Observasi
Wawancara
bertanya langsung tentang suatu objek yang diteliti dan telah dirancang
35
Wawancara adalah proses memperoleh keterangan atau data untuk
tujuan penelitian dengan cara tanya jawab sambil bertatap muka antara
Kuesioner
2.10.1. Populasi
(Firdaus & Zamzam, 2018). Populasi juga dapat disebut universe yang artinya
jumlah keseluruhan dari unit analisis yang ciri-cirinya akan diduga (Effendi
& Tukiran, 2012). Populasi bisa berupa orang, benda, objek, peristiwa atau
apa pun yang menjadi objek dari survei. Populasi ditentukan oleh topik atau
tujuan survei. Populasi juga harus relevan dengan tujuan atau topik survei.
36
Populasi merupakan semua bagian atau anggota dari objek yang akan diamati
(Eriyanto, 2007).
subjek atau objek yang diteliti untuk dipelajari dan dapat diambil
yang dibatasi oleh tempat dan waktu (Firdaus & Zamzam, 2018).
bagian dari subjek atau objek yang akan diamati sehingga mendapatkan
2.10.2. Sampel
populasi sehingga hasil penelitian yang berhasil diperoleh dari sampel dapat
merupakan sampel yang akurat dan tepat. Sampel yang tidak akurat dan tidak
37
(precision) yang tinggi yang mempunyai kesalahan pengambilan sampel
tingkat ketepatan yang ditentukan oleh perbedaan hasil yang diperoleh dari
dikehendaki
Menurut Jogiyanto (2008) sampel yang adalah akurat tidak bias. Supaya
sampel yang diambil akurat dan tidak terjadi bias di dalam proses pengambilan
38
1) Sampel Probabilitas (Probability Sampling)
39
mempunyai kesempatan yang sama untuk dipilih sebagai sampel
sampelnya besar.
40
Pengambilan secara random sistematik (systematic random
Cluster Sampling
Dipilih beberapa kluster secara acak dari semua kluster yang ada.
41
(1) Semua ciri-ciri populasi yang heterogen dapat terwakili,
Stratified Sampling
(Jogiyanto, 2008).
terdiri dari :
acak.
42
Double Sampling
sampel dengan dasar sampel yang ada dan dari informasi yang
(Jogiyanto, 2008).
yang memang sengaja diambil sebanyak dua kali lipat dari sampel
Sequential Sampling
43
2) Sampel Nonprobabilitas (Nonprobability Sampling)
a. Convenience Sampling
b. Puposive Sampling
44
objek yang akan diteliti (Effendi & Tukiran, 2012). Purposive
(Jogiyanto, 2008).
Judgement Sampling
Quota Sampling
c. Accidental Sampling
45
kebetulan disini adalah yang bersangkutan memenuhi persyaratan
d. Snowball Sampling
2.12 Pretest
46
Pretesting kuesioner memungkinkan kita untuk mengidetifikasi istilah
yang tidak pantas dalam kata-kata pertanyaan, urutan tidak tepat, kesalahan
dalam kuesioner terkait dengan tata letak dan instruksi, serta masalah yang
memastikan hasil yang valid dan reliabiel. Maka diperlukan analisis uji
daya tinggi yang baik untuk mendeteksi masalah pada kuesioner. Sample
47
2.13 SEM (Structural Equation Modelling)
menggunakan SEM untuk menentukan apakah suatu model tertentu valid atau
tertentu cocok atau tidak, meskipun analisis SEM juga sering mencakup
Dalam buku Willy (2018) SEM adalah suatu teknik statistik untuk
analisis multivariat agar peneliti dapat menguji hubungan antar variabel yang
keseluruhan model.
SEM adalah suatu teknik modeling statistik yang bersifat segat cross-
48
Menurut Hair et al. (2010), SEM ditandai dengan tiga karakteristik
utama yaitu:
hubungan.
abstrak.
Pada saat ini, terdapat banyak program aplikasi yang dapat digunakan
49
SEM karena menggunakan input berupa matriks kovarian. Covariance Based
SEM atau CB-SEM digunakan untuk menguji sebuah teori, bukan untuk
membuat teori baru. CB-SEM dikembangkan oleh Joreskog pada tahun 1978.
pengujian berikut :
a. Measurement Model
b. Structural Model
variabel yang ada pada model tersebut. Structural model bertujuan untuk
model.
beberapa langkah yang harus dilakukan menurut Hair et al. (2010), antara
lain:
2. Menentukan variabel
50
a. Variabel Eksogen
b. Variabel Endogen
c. Indikator
variabel endogen.
konstruk dan menilai fit model atau goodness of fit. Syarat model fit
51
Tabel 2. 2 Kriteria Fit Index
52
oleh ukuran sampel karena
sangat baik untuk
mengukur tingkat
penerimaan sebuah model.
diatas 1,96. Diartikan bahwa jika semua indikator memenuhi nilai yang
a. Asumsi Sampel
53
Jumlah sampel minimal yang diajurkan dalam menggunakan
b. Asumsi Normalitas
skew dan c.r kurtosis ≤ 1,96 untuk α = 5% atau ≤ 2,58 untuk α = 1%.
Blunch (2008) jika pada asumsi normalitas ini tidak memenuhi data
c. Uji Outlier
Pada tahap ini, membuat relasi atau hubungan dari suatu konstruk
54
Hubungan atau relasi ini merupakan hipotesis penelitian yang akan diuji
yang baik.
2.14 Bootstrapping
55
2.15 AMOS
perhitungan alat statstik dasar dari SEM, yakni analisis faktor dan analisis
regrasi berganda. Saat ini banyak software yaang khusus digunakan untuk
Namun sejak diakusisi (dibeli) oleh SPSS, Softare statistik paling populer
di dunia yaitu AMOS yang mulai populer digunakan, baik oleh kalangan
terutama ada pada sifat software yang user friendly, sehingga dapat
Terkait dengan akusisi software AMOS oleh SPSS, maka sejak saat itu
versi AMOS secara otomatis mengikuti versi dari SPSS. Dengan rilisnya
versi terbaru SPSS, maka AMOS juga merilis versi terbaru. AMOS
56
menambahkan variabel yaitu Trust dan Satisfaction. Berikut merupakan
1. Performance Expectancy
2. Effort Expectancy
57
3. Social Influence
4. Facilitating Condition
58
aplikasi. Ketika pengguna yakin dengan kemampuan mereka untuk
teknologi itu.
5. Trust
pengguna di masa depan (Mayer et al., 1995; Zhou, 2012). Trust atau
6. Satisfaction
59
1981). Sartisfaction mengukur seberapa baik suatu produk atau
7. Behavioral Intention
8. Use Behavior
60
Dalam penelitian ini, peneliti tidak menggunakan variabel moderator seperti
age, gender, experience, dan voluntarines of use, karena menurut Salim (2012) dan
pada jenis kelamin (gender) antara pria dan wanita tidak mempengaruhi sebagai
usia tidak ada perbedaan anatara usia yang lebih muda atau lebih tua. Untuk variabel
dikembangkan dengan penjelasan yang jelas agar tidak ada teori yang
dapat digunakan atau tujuan dari riset untuk menemukan teori yang baru,
61
Berdasarkan penelitian yang dilakukan (Abrahão et al., 2016;
Cheng et al., 2009; Sharma et al., 2018; Ting & Yanhong, 2012;
Satisfaction, ini juga didukung oleh (Chan et al., 2010; C. Y. Lee et al.,
2015; Revels et al., 2010). Oleh karena itu, peneliti mengadopsi indikator
et al. (2018); Cheng et al. (2009); Chan et al. (2010) yaitu Efisien (PE1),
menghipotesis bahwa:
Behavioral Intention
Satisfaction
pengguna (Abrahão et al., 2016; Ifinedo, 2012; Sharma et al., 2018; Ting
& Yanhong, 2012; Venkatesh et al., 2003) dan kepuasan (Chan et al.,
2010; C.-Y. Lee et al., 2015; Revels et al., 2010). Peneliti mengadopsi
62
Sharma et al. (2018); Cheng et al. (2009); Chan et al. (2010) yaitu mudah
Behavioral Intention
Satisfaction
Cheng et al. (2009); dan Chan et al. (2010) yaitu pengaruh dari penyedia
(SI1), Dukungan dari penyedia (SI2), dan pengaruh dari sosial media
Behavioral Intention
Satisfaction
63
Pada penelitian yang dilakukan (Ifinedo, 2012; Suki & Suki, 2017)
(2003); Sharma et al. (2018); Cheng et al. (2009); dan Chan et al. (2010)
Behavior Intention
Satisfaction
64
Keaslian Layanan (TRU3), dan Keamanan Pengguna (TRU4) sehingga
menghipotesis bahwa :
Behavioral Intention
pada penelitian Cheng et al. (2009) dan (C. Y. Lee et al., 2015) yaitu
Intention
al. (2003) dan Sharma et al. (2018) yaitu berniat menggunakan (BI1),
65
H12 : Behavioral Intention berpengaruh secara signifikan terhadap Use
Behavior
No. Hipotesis
H1 Performance Expectancy berpengaruh secara signifikan terhadap Behavioral Intention
H2 Performance Expectancy berpengaruh secara signifikan terhadap Satisfaction
H3 Effort Expectancy berpengaruh secara signifikan terhadap Behavioral Intention
H4 Effort Expectancy berpengaruh secara signifikan terhadap Satisfaction
H5 Social Influence berpengaruh secara signifikan terhadap Behavioral Intention
H6 Social Influence berpengaruh secara signifikan terhadap Satisfaction
H7 Facilitating Condition berpengaruh secara signifikan terhadap Use Behavior Intention
H8 Facilitating Condition berpengaruh secara signifikan terhadap Satisfaction
H9 Trust berpengaruh berpengaruh secara signifikan terhadap Behavioral Intention
H10 Trust berpengaruh secara signifikan terhadap Satisfaction
H11 Satisfaction berpengaruh secata signifikan terhadap Behavioral Intention
H12 Behavioral Intention berpengaruh secara signifikan terhadap Use Behavior
66
Tabel 2. 4 Daftar Variabel dan Indikator Penelitian
67
Social Social Influence SI1 Pengaruh dari Tingkat pengaruh Saya menggunakan aplikasi karena (Venkatesh et al.,
Influence didefinisikan sebagai penyedia dari penyedia sistem pengaruh pihak BPJS 2003); (Sharma et al.,
sejauh mana seseorang untuk menggunakan 2018); (Cheng et al.,
individual sistem 2009); (Chan et al.,
mempersepsikan 2010)
kepentingan yang
dipercaya oleh orang- SI2 Dukungan dari Tingkat penyedia Saya menggunakan aplikasi dengan
orang lain yang akan penyedia dalam mendukung dukungan dari penyedia (BPJS)
mempengaruhinya penggunaan sistem
menggunakan sistem SI3 Pengaruh dari Tingkat sosial media Saya menggunakan aplikasi karena
baru Social Media dalam pengaruh sosial media atau media
mempengaruhi massa
menggunakan sistem
Facilitating Facilitating Condition FC1 Ketersediaan Pengguna Saya memiliki sumber daya yang (Venkatesh et al.,
Condition didefinisikan sebagai Sumber Daya mempunyai sumber diperlukan untuk menggunakan 2003); (Sharma et al.,
sejauh mana pengguna daya (jaringan dan aplikasi 2018); (Cheng et al.,
percaya pada kemampuan) untuk 2009); (Chan et al.,
infratruktur menggunakan sistem 2010)
organisasional dan FC2 Memiliki Tingkat pengetahuan Saya memiliki pengetahuan yang
teknikan yang teredia Pengetahuan pengguna dalam diperlukan untuk menggunakan
untuk mendukung menggunakan sistem aplikasi
aplikasi Mobile JKN FC3 Ketersediaan Adanya petunjuk Saya menggunakan aplikasi sesuai
Petunjuk Teknis teknis dalam dengan petunjuk teknis yang
menggunakan sistem disediakan
FC4 Ketersediaan Adanya bantuan dari Saya menggunakan aplikasi dengan
Bantuan orang lain atau pihak bantuan pihak BPJS dan orang lain
penyedia dalam
menggunakan sistem
Trust Trust didefinisikan TRU1 Kepercayaan Tingkat kepercayaan Saya percaya layanan pada aplikasi (Sharma et al., 2018);
sebagai harapan pengguna terhadap (Zhou, 2012)
pengguna bahwa sistem
68
penyedia jasa dapat TRU2 Menyediakan Tingkat baik atau Saya percaya aplikasi memberikan
dipercaya atau dapat Layanan tidaknya layanan layanan yang baik
diandalkan dalam pada sistem
memenuhi janjinya TRU3 Keaslian Tingkat asli atau Saya percaya aplikasi memberikan
Layanan tidaknya layanan layanan yang asli
pada sistem
TRU4 Kemanan Tingkat keamanan Saya percaya aplikasi melindungi
pengguna pengguna dalam privasi pengguna dengan baik
sistem
Satisfaction Satisfaction SAT1 Memenuhi Tingkat sudah atau Saya dapat memenuhi kebutuhan (Cheng et al., 2009);
didefinisikan sebagai Kebutuhan belumnya pengguna dengan menggunakan aplikasi (C.-Y. Lee et al.,
harapan dan pengalam untuk memenuhi 2015)
pengguna kebutuhan pada
menggunakan aplikasi layanan di sistem
Mobile JKN SAT2 Kepuasan dalam Tingkat kepuasan Saya merasa puas setelah
Pemakaian pengguna setelah menggunakan aplikasi
menggunakan sistem
SAT3 Kepuasan Tingkat kepuasan Saya merasa puas dengan Pihak BPJS
kepada Penyedia pengguna kepada untuk menyediakan aplikasi
penyedia sistem
SAT4 Harapan Sesuainya harapan Saya mendapatkan layanan sesuai
pengguna pada dengan harapan
sistem
SAT5 Kepuasan dalam Kepuasan pengguna Saya merasa puas dengan layanan
Sistem terhadap aplikasi
keseluruhan sistem
Behavioral Behavioral Intention BI1 Berniat Adanya niat Saya berniat untuk terus (Venkatesh et al.,
Intention didefinisikan sebagai Menggunakan pengguna menggunakan aplikasi kedepannya 2003); (Sharma et al.,
ukuran kekuatan niat menggunakan sistem 2018)
pengguna untuk BI2 Berusaha Adanya usaha untuk Saya akan selalu mencoba untuk
Menggunakan menggunakan sistem menggunakan aplikasi
69
melakukan perilaku BI3 Berencana Adanya rencana Saya berencana untuk menggunakan
tertentu Menggunakan pengguna untuk aplikasi dibulan depan
menggunakan sistem
BI4 Rekomendasi Adanya rekomendasi Saya merekomendasikan penggunaan
Penggunaan penggunaan sistem aplikasi kepada orang lain
kepada orang lain
Use Use Behavior UB1 Penggunaan Pengguna Saya sering menggunakan aplikasi (Venkatesh et al.,
Behavior didefinisikan sebagai menggunakan sistem 2003)
mengukur pengalaman UB2 Perilaku Adanya rasa senang Saya senang menggunakan aplikasi
dalam menggunakan menggunakan sistem
aplikasi Mobile JKN UB3 Pengaruh Adanya pengaruh Saya selalu menggunakan aplikasi
menggunakan sistem
70
UTAUT model: the
moderating roles of
gender and experience
level
3. Fran K.Y. Chan, James Modeling Citizen UTAUT SmartPLS Penelitian ini menghasilkan bahwa performance exectancy, Effort
Y.L Thong, Viswanath Satisfaction with Expectancy, dan Facilitating Condition mempunyai efek langsung
Venkatesh, Susan A. Mandatory Adoption of kepada kepuasan pengguna dalam menggunakan kartu pintar
Brown, Paul Jen-Hwa Hu, an E-Government teknologi e-government. Namun, untuk Social Influence tidak
Kar Yan Tam (2010) Technology memiliki efek langsung terhadap kepuasan pengguna.
4. Ricardo de Sma Abrahao, Intention of Adoption of UTAUT SmartPLS Penelitian ini menghasilkan bahwa Performance Expectancy,
Stella Naomi Moriguchi, Mobile Payment: An Effort Expectancy, Social Influence memiliki hubungan yang
Darly Fernando Anrade Analysis in the light of positif terhadap Behavioral Intention mobile payment. Tetapi
(2016) the Unified Theory of perceived cost tidak memiliki hubungan positif terhadap
Acceptance and Use of Behavioral Intention.
Technology (UTAUT)
5. Laddawan Kaewkitipong, Using Social Media to UTAUT SmartPLS Pada penelitian ini menghasilkan bahwa Trust memiliki pengaruh
Charlie C. Chen, Peter Enrich Information yang positif kepada Satisfaction, begitu pula dengan Effort
Ractham (2016) Systems Field Trip Expectancy yang mempunyai pengaruh rendah terhadap kepada
Experiences: Studemts’ Satisfaction. Untuk Social Influence mempunyai pengaruh yang
Satisfaction and positif terhadap Satisfaction.
Continuance Intentions
6. Janaeya Revels, Dewi Understanding Consumer TAM AMOS Dalam penelitian ini menghasilkan bahwa perceived usefuless,
Tojib, Yelena Tsarenko Intention to Use Mobile perceived ease of use, perceived enjoyment, perceived cost
(2010) Services mempunyai pengaruh signifikan terhadap Satisfaction sedangkan
perceived image tidak memiliki pengaruh signifikan terhadap
Satisfaction. Kemudian Satisfaction berpengaruh signifikan
terhadap usage intention.
7. Chen-Ying Lee, Chih- The relationship between TAM SPSS Dalam penelitian ini menghasilkan bahwa perceived usefulness,
Hsuan Tsao, Wan-Chuan attitude toward using and perceived ease of use, perceived playfulness, compatibility
Chang (2015) customer Satisfaction positively mempunyai pengaruh positif terhadap attitude toward
with mobile application using. Untuk perceived usefulness, perceived ease of use, dan
services
71
attitude toward using mempunyai pengaruh yang positif terhadap
astisfaction.
8. Dong Cheng, Gang Liu, User Acceptance of UTAUT LISREL Dalam penelitian ini menghasilkan bahwa Performance
Cheng Qian, Yuan-Fang Internet Banking: an Expectancy, Satisfaction, dan Social Influence mempunyai
Song (2009) Extension of the UTAUT pengaruh terhadap Behavioral Intention untuk menggunakan
Model With Trut and internet banking. Namun pada penelitian ini, Effort Expectancy
Quality Constructs tidak mempunyai pengaruh signifikan terhadap Behavioral
Intention.
9. Ting Gao dan Yanhong A Study on User’s UTAUT AMOS Pada penelitian ini menghasilkan bahwa Performance Expectancy
Deng (2012) Acceptance Behavior to dan Effort Expectancy mempunyai pengaruh signifikan positif
Mobile E-books terhadap Behavioral Intention. Namun pada Social Influence,
Application Based on perceived cost, dan Facilitating Condition tidak mempunyai
UTAUT Model pengaruh terhadap Use Behavior. Untuk Behavioral Intention
memiliki pengaruh signifikan terhadap Use Behavior.
10. Princely Ifinedo (2012) Technology Acceptance UTAUT SmartPLS Pada penelitian ini menghasilkan bahwa Effort Expectancy dan
by Health Professionals Social Influence mempunyai pengaruh terhadap Behavioral
in Canada: An Analysis Intention. namun untuk Performance Expectancy tidak
with a Modified UTAUT mempunyai pengaruh positif terhadap Behavioral Intention. untuk
Model Facilitating Condition mempunyai pengaruh terhadap Use
Behavior. Kemudian Behavioral Intention memiliki pengaruh
terhadap Use Behavioral.
72
BAB III
METODOLOGI PENELITIAN
dilakukan pada penelitian ini menerapkan metode, teknik, dan alat secara
Prosedur pada penelitian ini dilakukan secara berurutan seperti gambar 3.1
73
Gambar 3. 1 Prosedur Penelitian (Subiyakto et al 2015)
74
Bogor, Depok, Tangerang, dan Bekasi). Berdasarkan data yang diperoleh dari
bagian komunikasi publik dari pada bulan Januari 2019 sebanyak 1.027.233
sampel yang respondennya yang kebetulan ada atau tanpa perancanaan saat
bertemu.
(Structural Equation Model) berkisar antara 100 sampai 200 sampel. Dengan
biaya, sejumlah 318 orang pengguna sistem menjadi sampel dalam penelitian
ini. Sehingga dapat dikatakan 318 orang sampel sudah cukup mewakili
populasi yang ada. Menurut Hair et al. (2010) tergantung pada jumlah
indikator yang digunakan dalam seluruh variabel laten. Jumlah sampel adalah
= 31 x 5
= 155 sampel
75
Sehingga dapat dikatakan 318 pengguna sistem ini sudah menjadi sampel
Instrumen dalam penelitian ini adalah kuesioner yang terdiri dari dua
bagian. Bagian pertama berupa surat permohanan dari peneliti untuk pengisian
Behavior.
76
Manfaat Aplikasi bermanfaat dalam PE3
mengakses layanan JKN
Produktivitas Aplikasi meningkatkan PE4
produktivitas layanan JKN
Effort Mudah dipahami Aplikasi mudah dimengerti EE1
Expectancy dalam pengguaannya
Terampil Aplikasi tidak EE2
membutuhkan keterampilan
khusus dalam
penggunaannya
Mudah Aplikasi mudah digunakan EE3
Digunakan
Mudah Aplikasi mudah dipelajari EE4
Dipelajari
Social Pengaruh dari Saya menggunakan aplikasi SI1
Influence penyedia karena pengaruh pihak
BPJS
Dukungan dari Saya menggunakan aplikasi SI2
penyedia dengan dukungan dari
penyedia (BPJS)
Pengaruh dari Saya menggunakan aplikasi SI3
Social Media karena pengaruh sosial
media atau media massa
Facilitating Ketersediaan Saya memiliki sumber daya FC1
Condition Sumber Daya yang diperlukan untuk
menggunakan aplikasi
Memiliki Saya memiliki pengetahuan FC2
Pengetahuan yang diperlukan untuk
menggunakan aplikasi
77
Ketersediaan Saya menggunakan aplikasi FC3
Petunjuk Teknis sesuai dengan petunjuk
teknis yang disediakan
Ketersediaan Saya menggunakan aplikasi FC4
Bantuan dengan bantuan pihak BPJS
dan orang lain
Trust Kepercayaan Saya percaya layanan pada TRU1
aplikasi
Menyediakan Saya percaya aplikasi TRU2
Layanan memberikan layanan yang
baik
Keaslian Saya percaya aplikasi TRU3
Layanan memberikan layanan yang
asli
Kemanan Saya percaya aplikasi TRU4
pengguna melindungi privasi
pengguna dengan baik
Satisfaction Memenuhi Saya dapat memenuhi SAT1
Kebutuhan kebutuhan dengan
menggunakan aplikasi
Kepuasan dalam Saya merasa puas setelah SAT2
Pemakaian menggunakan aplikasi
Kepuasan Saya merasa puas dengan SAT3
kepada Penyedia Pihak BPJS untuk
menyediakan aplikasi
Harapan Saya mendapatkan layanan SAT4
sesuai dengan harapan
Kepuasan dalam Saya merasa puas dengan SAT5
Sistem layanan aplikasi
78
Behavioral Berniat Saya berniat untuk terus BI1
Intention Menggunakan menggunakan aplikasi
kedepannya
Berusaha Saya akan selalu mencoba BI2
Menggunakan untuk menggunakan
aplikasi
Berencana Saya berencana untuk BI3
Menggunakan menggunakan aplikasi
dibulan depan
Rekomendasi Saya merekomendasikan BI4
Penggunaan penggunaan aplikasi kepada
orang lain
Use Penggunaan Saya sering menggunakan UB1
Behavior aplikasi
Perilaku Saya senang menggunakan UB2
aplikasi
Pengaruh Saya selalu menggunakan UB3
aplikasi
Pada penelitian ini, peneliti menggunakan lima poin skala likert (Suryani
& Hendryadi, 2016). Dalam skala likert ini menggunakan lima alternatif
Poin 3 : Netral
Poin 4 : Setuju
79
Penelitian ini melakukan pengujian awal yaitu pretest. Tujuan dilakukan
timbul dalam pengolahan data sehingga kuesioner yang akan digunakan dalam
penelitian merupakan kuesioner yang lebih baik dan bebas error. Proses
evaluasi ini menguji validitas dan reliabilitas pada kuesioner. Hasil dari
evaluasi tersebut yaitu terdapat satu indikator yang dihapus yaitu Pengaruh dari
Orang terdekat karena tidak reliabel. Sehingga instrumen yang akan disebar
a Wawancara
yang dilakukan dapat mengetahui latar belakang dari aplikasi Mobile JKN.
lampiran.
b Kuesioner
informasi yang dalam dan luas, tingkat respon dari responden, kualitas
80
al., 2016). Peneliti melakukan penyebaran kuesioner secara langsung di
Excel 2013. Dari hasil pengumpulan data kuesioner terdapat 318 data
kuesioner ganda.
pengolah angka Ms. Excel 2013 dan SPSS 24. Data responden dikelompokkan
81
berdasarkan jenis kelamin, Domisili BPJS, Usia, Pendidikan terakhir, Pekerjaan,
dengan kondisi lapangan yang berjalan dan juga menerjemahkan hasil analisis
analisis dan interpretasi tersebut secara lengkap akan dijelaskan pada Bab IV.
82
BAB IV
2018.
BPJS Kesehatan tidak perlu lagi untuk datang ke kantor BPJS cabang
melalui aplikasi Mobile JKN sehingga peserta BPJS Kesehatan tidak perlu
83
BPJS Kesehatan memberikan layanan melalui smartphone atau
data yang diinput oleh pengguna Mobile JKN dengan data yang sudah ada
tidak semuanya bisa diubah di aplikasi Mobile JKN sehingga peserta perlu
akssibilitas jaringan internet yang terbatas, maka peserta BPJS sulit untuk
yang masih mengalami kekurangan seperti pada perubahan data dari sisi
84
4.1.2 Analisis Data Tes Awal (Pretest)
bekerja sebagai karyawan swasta (30%). Selain itu, hasil ini juga
Kategori Item %
Jenis Kelamin Perempuan 67
Laki-laki 33
Domisili BPJS Jakarta 36
Bogor 3
Depok 27
Tangerang 17
Bekasi 17
Usia 20-30 Tahun 50
31-40 Tahun 20
41-50 Tahun 23
51-60 Tahun 7
Pendidikan SLTA 40
Terakhir Diploma 17
S1 40
S2 3
S3 0
Pekerjaan Pelajar/Mahasiswa 27
PNS/TNI/POLRI 3
Karyawan Swasta 30
Wiraswasta 23
85
Lainnya 17
Peran Sistem Sangat Membantu 37
Membantu 50
Tidak Tahu 13
Tidak Membantu 0
Sangat Tidak Membantu 0
Pengguna Status Sangat Menerima 30
Penerimaan Menerima 50
Tidak Tahu 17
Tidak Menerima 0
Sangat Tidak Menerima 0
yaitu uji validitas dan uji reliabilitas. Pada uji validitas ini, dengan n=30
maka nilai r tabel adalah 0,3610. Adapun nilai r tabel di dapat dari degree
of freedom (df) = n-2, dalam hal ini n adalah jumlah sampel. Pada
(df) =n–2
= 30 – 2
= 28
adalah 0,3610. Hasilnya dapat dilihat pada tabel 5 sampai dengan tabel.
86
PE3 0,731 0,3610 0,000 Valid
PE4 0,905 0,3610 0,000 Valid
EE1 0,849 0,3610 0,000 Valid
EE2 0,893 0,3610 0,000 Valid
EE3 0,924 0,3610 0,000 Valid
EE4 0,946 0,3610 0,000 Valid
SI1 0,582 0,3610 0,000 Valid
SI2 0,692 0,3610 0,000 Valid
SI3 0,672 0,3610 0,000 Valid
SI4 0,704 0,3610 0,000 Valid
FC1 0,807 0,3610 0,000 Valid
FC2 0,690 0,3610 0,000 Valid
FC3 0,844 0,3610 0,000 Valid
FC4 0,690 0,3610 0,000 Valid
TRU1 0,939 0,3610 0,000 Valid
TRU2 0,886 0,3610 0,000 Valid
TRU3 0,936 0,3610 0,000 Valid
TRU4 0,909 0,3610 0,000 Valid
SAT1 0,899 0,3610 0,000 Valid
SAT2 0,933 0,3610 0,000 Valid
SAT3 0,903 0,3610 0,000 Valid
SAT4 0,852 0,3610 0,000 Valid
SAT5 0,925 0,3610 0,000 Valid
BI1 0,873 0,3610 0,000 Valid
BI2 0,905 0,3610 0,000 Valid
BI3 0,834 0,3610 0,000 Valid
BI4 0,835 0,3610 0,000 Valid
87
UB1 0,907 0,3610 0,000 Valid
UB2 0,820 0,3610 0,000 Valid
UB3 0,943 0,3610 0,000 Valid
Satisfaction, Behavior Intention, dan Use Behavior tersebut valid karena nilai r
hitung > r tabel yaitu 0,3610 pada taraf kesalahan 5%. Pada Sig.(2-tiled) memiliki
menunjukkan hasil yang konsisten atau stabil dari waktu ke waktu. Dilakukan
variabel yang memiliki nilai Cronbach’s Alpha lebih besar dari standar yang
88
ditentukan yaitu 0,70 sehingga dapat dikatakan bahwa 7 variabel tersebut
memiliki niai cronbach’s Alpha dibawah nilai standar. Sehingga variabel Social
Influence tersebut tidak reliabel. Sebelum itu, dapat dilihat indikator dari Social
Influence yaitu dengan melihat indikator yang memiliki nilai Cronbach’s Alpha
If Item Deleted yang terbesar. Menurut Field (2013) Cronbach’s Alpha if item
deleted memberi tahu apakah item yang dihapus akan meningkatkan reliabilitas
dengan menghapus item yang memiliki nilai lebih besar dari reliabilitas
Cronbach’s Aplha If Item Deleted yang terbesar. Dalam uji validitas semua
variabel dikatakan valid tetapi dalam uji reliabilitas terdapat variabel Social
Influence yang memiliki indikator yang tidak reliabel. Indikator tersebut adalah
89
Pada penelitian (Chan et al. (2010); Cheng et al. (2009); Sharma et al.
(2018)) menunjukkan bahwa SI1 adalah item yang valid dan reliabel namun
sebaliknya, pada penelitian ini item tersebut tidak reliabel. Dalam pertimbangan
juga pada indikator SI1 dan SI2 terdapat makna sama dan pertanyaan yang
tersebut. Hal ini dapat mendukung bahwa indikator SI1 untuk dihilangkan
karena memiliki Cronbach’s Alpha If item deleted yang terbesar dan memiliki
pertanyaan yang tidak konsisten. Dengan adanya pretest pada penelitian ini,
pada Social Influence yaitu pengaruh dari orang terdekat, maka pada penelitian
90
Tabel 4. 6 Indikator Variabel Social Influence Penelitian
domisili BPJS, usia, pendidikan terakhir, pekerjaan, serta peran sistem dan
yang sudah diperoleh peneliti dalam waktu 31 hari (23 Maret 2018 sampai
analisisnya.
a. Jenis Kelamin
91
JENIS KELAMIN
39%
Laki-laki
61%
Perempuan
b. Domisili BPJS
92
DOMISILI BPJS
10%
Jakarta
24% 40%
Bogor
Depok
6% Tangerang
20%
Bekasi
c. Usia
berusia 20-30 Tahun sebanyak 235 orang (74%) selanjutnya berusia 31-
93
USIA
10% 3%
d. Pendidikan Terakhir
sebanyak 1 orang.
94
PENDIDIKAN TERAKHIR
0,3%
3%
39% SLTA
45% DIPLOMA
S1
13% S2
S3
e. Pekerjaan
95
PEKERJAAN
14%
32% Pelajar/Mahasiswa
10%
PNS/TNI/POLRI
Karyawan
6%
Wiraswasta
38%
Lainnya
f. Peranan Sistem
dengan adanya Mobile JKN sebanyak 158 orang (50%) dan responden
yang sangat terbantu dengan adanya Mobile JKN ini sebanyak 116
orang (36%). Pada penelitian ini terdapat 14 responden (4%) yang tidak
96
PERANAN SISTEM
1%
4%
9%
36% Sangat Membantu
Membantu
Tidak Tahu
50% Tidak Membantu
Sangat Tidak Membantu
97
Status Penerimaan Pengguna
1%
4%
8% 30%
Sangat Menerima
Menerima
Tidak Tahu
laten.
98
Pada analisis ini akan diuraikan pengukuran modelnya untuk setiap
dan Use Behavior. Menilai uji validitas dengan melihat nilai regression
weights. Pada uji validitas untuk nilai P signifikan 0,05 (***) dan Critical
Ratio (CR) lebih besar dari 1,96. Kemudian menilai Loading Factor dengan
Analisis atas indikator yang digunakan memberi makna atas label yang
setiap konstruk :
Expectancy :
99
Ringkasan pengukuran model yang dibangun dengan persyaratan yang
ditetapkan
tanda (***). Kemudian nilai Critical Rasio (CR) pada semua indikator
konstruk lebih dari 1,96. Dapat diartikan bahwa seluruh indikator pada
100
Berikut merupakan nilai Loading Factor setiap indikator konstruk
Performance Expectancy.
Estimate
PE1 <--- Performance_Expectancy .865
PE2 <--- Performance_Expectancy .862
PE3 <--- Performance_Expectancy .825
PE4 <--- Performance_Expectancy .842
Expectancy.
Expectancy
101
Ringkasan pengukuran model yang dibangun dengan persyaratan
yang ditetapkan
menunjukkan bahwa model telah fit walaupun pada Probability dan RMSEA
nilai signifikansi dari estimasi parameter Uji Validitas seperti tabel dibawah
ini.
tanda (***). Kemudian nilai Critical Rasio (CR) pada semua indikator
konstruk lebih dari 1,96. Dapat diartikan bahwa seluruh indikator pada
102
konstruk Effort Expectancy memenuhi syarat validitas konstruk. Berikut
Estimate
EE1 <--- Effort_Expectancy .742
EE2 <--- Effort_Expectancy .726
EE3 <--- Effort_Expectancy .915
EE4 <--- Effort_Expectancy .896
Expectancy.
103
Ringkasan pengukuran model yang dibangun dengan persyaratan
yang ditetapkan.
Influence signifikan pada 0,05 kecuali untuk SI2 dan SI3 tidak memiliki
nilai signifikan pada 0,05. Pada SI2 tidak memiliki nilai critical ratio lebih
besar 1,96. Maka pada SI2 dan SI3 perlu dipertimbangkan pada penilaian
104
Loading Factor. Berikut merupakan nilai Loading Factor setiap indikator
Estimate
SI1 <--- Social_Influence .509
SI2 <--- Social_Influence 1.381
SI3 <--- Social_Influence .131
memiliki nilai Loading Factor di bawah 0,5 dan harus dieliminasi dari
analisis sedangkan untuk SI2 tidak dieleminasi karena nilai Loading Factor
memiliki nilai lebih besar dari 0,5. Sehingga pada Social Influence hanya
Facilitating Condition
105
Ringkasan pengukuran model yang dibangun dengan persyaratan
yang ditetapkan.
(Irianto et al., 2015)), menyatakan bahwa jika terdapat satu atau dua kriteria
Faciltating Condition signifikan pada 0,05 yaitu FC1, FC2, FC3 dengan
106
pada nilai critical ratio menunjukkan bahwa FC4 tidak memiliki nilai lebih
besar 1,96. Selanjutnya, model fit suatu konstruk yang dianalisis dengan
Estimate
FC1 <--- Facilitating_Condition .784
FC2 <--- Facilitating_Condition .848
FC3 <--- Facilitating_Condition .738
FC4 <--- Facilitating_Condition .100
107
Berikut ringkasan pengukuran model yang dibangun dengan
nilai signifikansi dari estimasi parameter Uji Validitas seperti yang ada
tanda (***). Kemudian nilai Critical Rasio (CR) pada semua indikator
konstruk lebih dari 1,96. Dapat diartikan bahwa seluruh indikator pada
108
Berikut merupakan nilai Loading Factor setiap indikator konstruk
Facilitating Condition.
Estimate
FC1 <--- Facilitating_Condition .781
FC2 <--- Facilitating_Condition .854
FC3 <--- Facilitating_Condition .734
Facilitating Condition.
109
Ringkasan pengukuran model yang dibangun dengan persyaratan
yang ditetapkan
nilai Critical Rasio (CR) pada semua indikator konstruk lebih dari 1,96.
110
syarat validitas konstruk. Berikut merupakan nilai Loading Factor setiap
Estimate
TRU1 <--- Trust .886
TRU2 <--- Trust .891
TRU3 <--- Trust .889
TRU4 <--- Trust .753
Berdasarkan tabel 4.24 tidak ada indikator dari konstruk Trust yang
Satisfaction
111
Ringkasan pengukuran model yang dibangun dengan persyaratan yang
ditetapkan
melihat nilai signifikansi dari estimasi parameter Uji Validitas seperti tabel
dibawah ini
tanda (***). Kemudian nilai Critical Rasio (CR) pada semua indikator
konstruk lebih dari 1,96. Dapat diartikan bahwa seluruh indikator pada
112
konstruk Satisfaction memenuhi syarat validitas konstruk. Berikut
Estimate
SAT1 <--- Satisfaction .784
SAT2 <--- Satisfaction .894
SAT3 <--- Satisfaction .863
SAT4 <--- Satisfaction .818
SAT5 <--- Satisfaction .832
Behavior Intention
113
Ringkasan pengukuran model yang dibangun dengan persyaratan
yang ditetapkan
adalah melihat nilai signifikan dari estimasi parameter Uji Validitas seperti
(***). Kemudian nilai Critical Rasio (CR) pada semua indikator konstruk
lebih dari 1,96. Dapat diartikan bahwa seluruh indikator pada konstruk
114
merupakan nilai Loading Factor setiap indikator konstruk Behavioral
Intention.
Estimate
BI1 <--- Behavioral_Intention .890
BI2 <--- Behavioral_Intention .939
BI3 <--- Behavioral_Intention .623
BI4 <--- Behavioral_Intention .754
Behavioral Intention.
115
Ringkasan pengukuran model yang dibangun dengan persyaratan
yang ditetapkan
tanda (***). Kemudian nilai Critical Rasio (CR) pada semua indikator
konstruk lebih dari 1,96. Dapat diartikan bahwa seluruh indikator pada
116
konstruk Use Bbehavior memenuhi syarat validitas konstruk. Berikut
Estimate
UB1 <--- Use_Behavior .803
UB2 <--- Use_Behavior .824
UB3 <--- Use_Behavior .916
Behavior.
5 variabel laten dan terdiri dari 17 dimensi. Hasil pengolahan data untuk
117
Gambar 4. 17 Confirmatory Factor Analysis Variabel Eksogen
statistik dapat didukung dan sesuai dengan model fit yang ditetapkan.
sebagai berikut.
118
AGFI ≥ 0,90 0,902 Good fit
TLI ≥ 0,90 0,967 Good fit
CFI ≥ 0,90 0,974 Good fit
berikut:
Dari pengolahan data pada tabel 4.35 dapat juga terlihat, bahwa
menunjukkan hasil yang baik, yaitu nilai CR diatas 1,96. Semua nilai
119
indikator signifikan 0,05 yang ditandai dengan (***). Dengan hasil ini,
maka model penelitian ini dapat digunakan untuk analisis selanjutnya tanpa
Estimate
PE1 <--- Performance_Expectation .874
PE2 <--- Performance_Expectation .847
PE3 <--- Performance_Expectation .831
PE4 <--- Performance_Expectation .841
EE1 <--- Effort_Expectation .760
EE2 <--- Effort_Expectation .720
EE3 <--- Effort_Expectation .904
EE4 <--- Effort_Expectation .900
SI1 <--- Social_Influence .711
SI2 <--- Social_Influence .989
FC1 <--- Facilitating_Condition .766
FC2 <--- Facilitating_Condition .809
FC3 <--- Facilitating_Condition .793
TRU1 <--- Trust .882
TRU2 <--- Trust .888
TRU3 <--- Trust .890
TRU4 <--- Trust .764
Berdasarkan tabel 4.36 tidak ada indikator dari semua konstruk yang
120
4.1.2.10. Confirmatory Factor Analysis Variabel Endogen
Variabel endogen ini terdiri dari 3 variabel laten dan terdiri dari 12
dapat didukung dan sesuai dengan model fit yang ditetapkan. Berikut ini
121
CFI ≥ 0,90 0,952 Good fit
Pada tabel 4.37 hasil analisis pengolahan data terlihat bahwa semua
Dari pengolahan data pada tabel 4.38 dapat juga terlihat, bahwa setiap
menunjukkan hasil yang baik, yaitu nilai CR diatas 1,96 (Hair et al., 2010).
Semua nilai indikator signifikan 0,05 yang ditandai dengan (***). Dengan
variabel laten konstruk telah menunjukkan sebagai indikator yang kuat dalam
122
pengukuran varibel laten. Selanjutnya berdasarkan analisis faktor
konfirmatori ini, maka model penelitian ini dapat digunakan untuk analisis
Estimate
SAT1 <--- Satisfaction .782
SAT2 <--- Satisfaction .878
SAT3 <--- Satisfaction .868
SAT4 <--- Satisfaction .810
SAT5 <--- Satisfaction .853
BI1 <--- Behavioral_Intention .882
BI2 <--- Behavioral_Intention .910
BI3 <--- Behavioral_Intention .631
BI4 <--- Behavioral_Intention .798
UB1 <--- Use_Behavior .794
UB2 <--- Use_Behavior .867
UB3 <--- Use_Behavior .881
Berdasarkan tabel 4.39 tidak ada indikator dari semua konstruk yang
memiliki Loading Factor di bawah 0,5. Maka dapat disimpulkan bahwa semua
Pada analisis asumsi SEM, terdapat tiga tahapan asumsi adalah sebagai
berikut :
minimal 5 dikali jumlah parameter yang akan diestimasi (Hair et al., 2010).
123
Likelihood (ML) disarankan ukuran sampel antara 100 hingga 200 sampel.
distribusi. Menentukan normal atau tidaknya dilihat dari critical ration (c.r)
dimana normalitas univariat ditunjukkan dengan nilan c.r skew dan c.r
multivariat dapat dilihat dari nilai c.r kurtosis multivariat ≤ 1,96 untuk α =
Tabel 4. 40 Normalitas
124
Variable min max skew c.r. kurtosis c.r.
BI2 1.000 5.000 -.698 -5.083 .525 1.910
BI1 1.000 5.000 -.504 -3.670 .021 .077
SAT5 1.000 5.000 -.505 -3.674 .115 .417
SAT4 1.000 5.000 -.518 -3.770 -.012 -.044
SAT3 1.000 5.000 -.896 -6.522 .807 2.937
SAT2 1.000 5.000 -.572 -4.165 .169 .614
SAT1 1.000 5.000 -.820 -5.970 .756 2.751
TRU4 1.000 5.000 -.518 -3.768 -.230 -.838
TRU3 1.000 5.000 -.724 -5.271 .608 2.215
TRU2 1.000 5.000 -.472 -3.437 -.006 -.022
TRU1 1.000 5.000 -.503 -3.660 .207 .753
FC3 1.000 5.000 -.611 -4.450 .500 1.820
FC2 1.000 5.000 -.683 -4.969 .669 2.436
FC1 1.000 5.000 -.626 -4.559 .616 2.241
SI2 1.000 5.000 -.313 -2.277 -.622 -2.265
SI1 1.000 5.000 -.209 -1.523 -.942 -3.428
EE4 1.000 5.000 -.738 -5.373 .500 1.821
EE3 1.000 5.000 -.785 -5.714 .628 2.285
EE2 1.000 5.000 -.566 -4.118 -.168 -.612
EE1 1.000 5.000 -.677 -4.930 .262 .954
PE4 1.000 5.000 -.591 -4.304 -.093 -.339
PE3 1.000 5.000 -.736 -5.357 .530 1.929
PE2 1.000 5.000 -.518 -3.770 -.472 -1.719
PE1 1.000 5.000 -.833 -6.064 .343 1.247
Multivariate 255.654 53.758
125
Untuk penelitian ini, peneliti menetapkan nilai α yang digunakan adalah
memenuhi normalitas univariat karena nilai c.r skew dan c.r kurtosis
keseluruhan indikator tidak lebih kecil dari nilai 1,96. Sedangkan untuk
53,758 jauh lebih besar dari 1,96, sehingga dapat dikatakan data tidak
data tidak normal maka perlu dilakukan uji Bootsrapping (Blunch, 2008).
lainnya, serta muncul dalam bentuk nilai yang ekstrim (Hair et al., 2014)
penelitian ini, ada 29 variabel indikator. Oleh karena itu, semua kasus yang
126
Tabel 4. 41 Outlier
127
Observation number Mahalanobis d-squared p1 p2
namun kasus tersebut tidak perlu dikeluarkan. Menurut Hair et al. (2014)
jika terdapatnya outlier, maka tidak perlu dihapus jika ingin menggunakan
populasi sampel yang didapat tetap original dan jika dihapus maka akan
terus adanya outlier. Hal ini dikarenakan dalam analisis penelitian, apabila
demikian jumlah sampel yang akan digunakan tetap sebanyak 318 sampel.
128
21 50.116 .009 .000
129
286 41.614 .061 .000
130
94 34.367 .226 .002
Pada tabel 4.2 merupakan data yang tidak outlier, karena memiliki
nilai mahalanobis > 52.336 dan memenuhi asumsi pada uji outlier.
jumlahnya dengan jumlah sampel yang valid dalam data set (Hair et al
131
Berdasarkan output diatas diperoleh angka Chi-Square sebesar
model diterima.
Nilai Estimasi
Parameter Estimasi SE ML SE
Bootstrap
Satisfaction <--- Performance_Expectancy .251 .044 .055
Satisfaction <--- Effort_Expectancy .205 .063 .082
Satisfaction <--- Social_Influence .023 .032 .043
Satisfaction <--- Facilitating_Condition -.053 .069 .082
Satisfaction <--- Trust .535 .058 .076
Behavioral_Intention <--- Trust .200 .105 .124
Behavioral_Intention <--- Performance_Expectancy .007 .068 .095
Behavioral_Intention <--- Effort_Expectancy -.016 .077 .111
Behavioral_Intention <--- Social_Influence -.011 .045 .059
Behavioral_Intention <--- Satisfaction .723 .139 .173
Use_Behavior <--- Facilitating_Condition .124 .071 .105
Use_Behavior <--- Behavioral_Intention .761 .065 .096
132
0,011 yang berarti terdapat kenaikan Standard error dari bootstrap
133
g. Performance Expectancy Behavioral Intention : antara original
134
yang berarti terdapat kenaikan Standard error dari bootstrap
Kolom pertama yaitu label S.E : merupakan nilai estimasi boostrap dari
standard error. Nilai ini dibandingan dengan nilai SE yang dihasilkan oleh
4.37.
135
Kolom ketiga yaitu Mean : merupakan niali rata-rata estimasi parameter
yang dikalkulasi dari sampel bootstrap dan nilai ini tidak harus identik
rata-rata estimasi boostrap atau mean bootstrap dengan nilai estimasi asli
Kolom kelima yaitu S.E Bias : merupakan perkiraan standar error atau
Analisis hasil pengolahan data pada tahap full model SEM dilakukan
dengan melakukan uji kesesuaian. Hasil pengolahan data untuk analisis full
136
Gambar 4. 19 Confirmatory Factor Analysis Full Structural Equation Model
dapat didukung dan sesuai dengan model fit yang ditetapkan. Berikut ini
137
Tabel 4. 45 Hasil Bootstrapping Goodness-of-Fit Index Full Structural Equation
Model
marginal. Menurut pendapat Hair (yang dikutip oleh (Irianto et al., 2015)),
menyatakan bahwa jika terdapat satu atau dua kriteria goodness-of-fit yang
138
TRU3 .876 Valid
TRU4 .759 Valid
SAT1 .805 Valid
SAT2 .875 Valid
SAT3 .861 Valid
SAT4 .810 Valid
SAT5 .844 Valid
BI1 .880 Valid
BI2 .913 Valid
BI3 .629 Valid
BI4 .796 Valid
UB1 .788 Valid
UB2 .872 Valid
UB3 .876 Valid
Loading Factor >0,5 (Hair et al., 2010) dan (Hair et al., 2014). Dan diketahui
bahwa seluruh nilai loading > 0,5. Dapat disimpulkan bahwa indikator-
indikator yang ada dalam model penelitian ini valid sebagai pengukuran dan
139
4.1.8 Pengujian Reliabilitas dan Variance Extract
(ΣStandard Loading)2
𝐶𝑜𝑛𝑐𝑡𝑟𝑢𝑐𝑡 𝑅𝑒𝑙𝑖𝑎𝑏𝑖𝑙𝑖𝑡𝑦 =
(ΣStandard Loading)2 + Σ𝜀𝐽
Keterangan :
Standard Loading = nilai dari Standardized Loading untuk tiap-tiap
indikator
𝜀𝐽 = measurement error dari tiap-tiap indikator. Measurement error = 1-
Standardized Loading setiap indikator yang dianalisis.
140
SAT3 0.861 0.741321 0.258679
SAT4 0.81 0.6561 0.3439
SAT5 0.844 0.712336 0.287664
BI1 0.88 0.7744 0.2256
BI2 0.913 0.833569 0.166431
3.218 10.35552 1.362774 0.884
BI3 0.629 0.395641 0.604359
BI4 0.796 0.633616 0.366384
UB1 0.788 0.620944 0.379056
UB2 0.872 0.760384 0.239616 2.536 6.431296 0.851296 0.883
UB3 0.876 0.767376 0.232624
PE = 0,911
EE = 0,894
SI = 0,852
FC = 0,831
TRU = 0,916
SAT = 0,923
BI = 0,884
UB = 0,883
Nilai cut-off lebih besar 0,7 (Hair et al., 2010). Dari hasil tersebut dapat dilihat
bahwa reliabilitas semua konstruk di atas nilai cut-off yaitu 0,70. Hal ini
menunjukkan bahwa semua konstruk yang ada dalam full model adalah reliabel.
141
extracted yang tinggi menunjukkan bahwa indikator-indikator telah
2008).
sebagai berikut:
ΣStandard Loading 2
𝑉𝑎𝑟𝑖𝑎𝑛𝑐𝑒 𝐸𝑥𝑡𝑟𝑎𝑐𝑡𝑒𝑑 =
ΣStandard Loading 2 + Σ𝜀𝐽
Keterangan :
Standard Loading = nilai dari Standardized Loading untuk tiap-tiap
indikator
𝜀𝐽 = measurement error dari tiap-tiap indikator. Measurement error
= 1-Standardized Loading setiap indikator yang dianalisis.
142
TRU2 0.893 0.797449 0.202551
TRU3 0.876 0.767376 0.232624
TRU4 0.759 0.576081 0.423919
SAT1 0.805 0.648025 0.351975
SAT2 0.875 0.765625 0.234375
SAT3 0.861 0.741321 0.258679 3.523407 1.476593 0.705
SAT4 0.81 0.6561 0.3439
SAT5 0.844 0.712336 0.287664
BI1 0.88 0.7744 0.2256
BI2 0.913 0.833569 0.166431
2.637226 1.362774 0.659
BI3 0.629 0.395641 0.604359
BI4 0.796 0.633616 0.366384
UB1 0.788 0.620944 0.379056
UB2 0.872 0.760384 0.239616 2.148704 0.851296 0.716
UB3 0.876 0.767376 0.232624
PE = 0,720
EE = 0,681
SI = 0,748
FC = 0,621
TRU = 0,734
SAT = 0,705
BI = 0,659
UB = 0,716
konstruk di atas nilai yaitu sebesar 0,5. Hal ini berarti bahwa semua
143
4.1.9 Pengujian Hipotesis
bootstrap dapat menggunakan bootstrap Mean dan kolom SE. Adapun kriteria
pengujian hipotesis (Ghozali, 2008; Hair et al., 2010, 2014) adalah sebagai
berikut :
Nilai CR (Critical Ratio) > 1,96 dengan tingkat signifikasi < 0,05 berarti
144
Nilai CR (Critical Ratio) < 1,96 dengan tingkat signifikasi > 0,05 berarti
Pengujian Hipotesis 1
berarti nilai CR < 1,96. Sedangkan nilai probibalitasnya > 0,05 yaitu
Behavioral Intention.
Pengujian Hipotesis 2
Satisfaction (SAT)
berarti nilai CR > 1,96. Sedangkan nilai probabilitasnya < 0,05 sebesar
Pengujian Hipotesis 3
145
Berdasarkan tabel diatas diperoleh bahwa nilai CR sebesar -0,198,
berarti nilai CR < 1,96. Sedangkan nilai probibalitasnya > 0,05 sebesar
Pengujian Hipotesis 4
Satisfaction (SAT)
berarti nilai CR > 1,96. Sedangkan nilai probabilitasnya < 0,05 sebesar
Pengujian Hipotesis 5
berarti nilai CR < 1,96. Sedangkan nilai probibalitasnya > 0,05 sebesar
146
Pengujian Hipotesis 6
Satisfaction (SAT)
berarti nilai CR < 1,96. Sedangkan nilai probibalitasnya > 0,05 sebesar
Pengujian Hipotesis 7
berarti nilai CR < 1,96. Sedangkan nilai probibalitasnya > 0,05 sebesar
Pengujian Hipotesis 8
Satisfaction (SAT)
berarti nilai CR < 1,96. Sedangkan nilai probibalitasnya > 0,05 sebesar
147
tidak memenuhi persyaratan. H8 ditolak dengan menunjukkan Facilitating
Pengujian Hipotesis 9
berarti nilai CR < 1,96. Sedangkan nilai probibalitasnya > 0,05 sebesar
Pengujian Hipotesis 10
(SAT)
berarti nilai CR > 1,96. Sedangkan nilai probibalitasnya < 0,05 sebanyak
Pengujian Hipotesis 11
berarti nilai CR > 1,96. Sedangkan nilai probibalitasnya < 0,05. Dengan
148
demikian H11 diterima karena nilai CR dan probabilitasnya memenuhi
Pengujian Hipotesis 12
berarti nilai CR > 1,96. Sedangkan nilai probibalitasnya < 0,05 sebesar
No Hipotesis Hasil
H1 Performance ExpectancyBehavioral Intention Ditolak
H2 Performance Expectancy Satisfaction Diterima
H3 Effort Expectancy Behavioral Intention Ditolak
H4 Effort Expectancy Satisfaction Diterima
H5 Social Influence Behavioral Intention Ditolak
H6 Social Influence Satisfaction Ditolak
H7 Facilitating Condition Use Behavior Ditolak
H8 Facilitating Condition Satisfaction Ditolak
H9 Trust Behavioral Intention Ditolak
H10 Trust Satisfaction Diterima
H11 Satisfaction Behavioral Intention Diterima
H12 Behavioral Intention Use Behavior Diterima
149
Gambar 4. 20 Uji Hipotesis Model
1) Jenis Kelamin
kelamin yang terdapat pada gambar 4.1 dapat diketahui bahwa dari
150
berasal dari responden laki-laki yaitu sebanyak 125 orang (39%). Hal
2) Domisili BPJS
Dan dilihat dari data pengguna Mobile JKN pada tahun 2019,
berjumlah 439.705.
3) Usia
yang mendominasi pada penelitian ini yaitu usia 20-30 tahun yaitu
151
responden (10%) yang berusia 41-50 tahun. Jumlah responden yang
paling sedikit yaitu berusia 5-60 tahun sebanyak 9 tahun (3%). Dalam
hal ini peneliti beranggapan bahwa pada usia 20-30 lebih familiar
mendapatkan pelayanan.
4) Pendidikan terakhir
sebanyak 1 orang.
5) Pekerjaan
152
PNS/TNI/POLRI sebanyak 19 orang (6%). Pada penelitin ini,
6) Peranan Sistem
menerima adanya aplikasi Mobile JKN sebesar 182 orang (57%) dan
JKN.
153
4.2.2 Interpretasi dan diskusi hasil pengukuran model
sebagian besar hasil kuesioner didapatkan secara online (82%) dan sisanya
154
keuntungan pengguna dari Mobile JKN tidak mempengaruhi niat
pengguna untuk penggunaan Mobile JKN. Hasil ini tidak sesuai dengan
hasil penelitian awal yang dilakukan oleh Venkatesh et al. (2003), hal ini
juga tidak sejalan dengan penelitian sejenis lainnya (Abrahão et al., 2016;
Cheng et al., 2009; Sharma et al., 2018; Ting & Yanhong, 2012) yang
Mobile JKN.
menggunakan Mobile JKN. Hasil ini sesuai dengan hasil penelitian yang
pengguna terhadap sistem akan lebih besar. Pada penelitian ini, pengguna
155
yang didapatkan walaupun tidak mempengaruhi niat pengguna untuk
pengguna untuk menggunakan Mobile JKN. Hasil ini sesuai dengan hasil
sistem.
Namun, Hasil ini tidak sesuai dengan hasil yang dilakukan oleh
(Abrahão et al., 2016; Ifinedo, 2012; Sharma et al., 2018; Ting &
156
menggunakan Mobile JKN mempengaruhi kepuasan pengguna dalam
menggunakan Mobile JKN. Hasil ini sesuai dengan hasil penelitian yang
dilakukan oleh (Chan et al., 2010; C.-Y. Lee et al., 2015; Revels et al.,
sesuai dengan hasil penelitian yang dilakukan oleh (Sharma et al., 2018;
Namun, Hasil ini tidak sesuai dengan hasil dengan hasil yang
dilakukan oleh (Abrahão et al., 2016; Cheng et al., 2009; Ifinedo, 2012;
157
pengamatan langsung yang dilakukan oleh peneliti yaitu alasan pengguna
ini agar mendapatkan pelayanan yang efektif dan efisien, tetapi pengguna
aplikasi.
158
fasilitas tidak mempengaruhi perilaku pengguna dalam menggunakan
Mobile JKN. Hasil ini sesuai dengan hasil yang dilakukan oleh (Ting
Namun, hasil ini tidak sesuai dengan hasil penelitian yang dilakukan
oleh (Ifinedo, 2012; Suki & Suki, 2017) yang menyatakan bahwa
Hasil ini tidak sesuai dengan hasil penelitian yang dilakukan oleh (Chan
kondisi fasilitas yang dimiliki pengguna atau yang disediakan oleh pihak
159
9. Pengaruh Trust terhadap Behavioral Intention
tidak sesuai dengan hasil penelitian yang dilakukan oleh (Sharma et al.,
menggunakan aplikasi.
160
walaupun kepercayaan ini tidak mempengaruhi niat pengguna untuk
menggunakan aplikasi.
sesuai dengan penelitian yang dilakukan oleh (Cheng et al., 2009) yang
aplikasi.
oleh (Ifinedo, 2012; Im et al., 2011; Suki & Suki, 2017; Ting &
161
menentukan perilaku pengguna dalam menggunakan sistem. Pada
162
BAB V
PENUTUP
5.1 Kesimpulan
2) Pada penelitian ini, terdapat 2 dari 31 indikator yaitu SI3 dan FC4 dihapus.
penggunaan indikator yang kurang tepat. Selain itu, karena sebagian besar
3) Pada penelitian ini, terdapat 7 hipotesis yang ditolak dari 12 hipotesis yang
163
hasil tersebut peneliti menganggap wajar karena adanya perbedaan objek
sebagai berikut :
pengguna.
pengguna
pengguna
Berdasarkan hasil penelitian ini, juga dapat disimpulkan bahwa penelitian ini
164
menyelesaikan masalah. Menurut Cheng et al (2009) Satisfaction biasanya
3) Secara praktis, hasil penelitian ini dapat menjadi bahan pertimbangan bagi
JKN.
langsung.
5.2 Saran
Berdasarkan hasil dari penelitian yang telah dilakukan, adapun saran yang
165
1) Bagi penelitian selanjunya diharapkan dapat mempertimbangkan
karena data pengguna yang peneliti dapatkan dari pihak BPJS bahwa
lebih baik.
166
Meningkatkan fasilitas yaitu fitur yang mudah dipahami oleh pengguna
fitur-fitur yang ada. Hal ini dapat dilakukan dengan selalu melakukan
167
layanan dengan menggunakan aplikasi Mobile JKN. Hal ini dapat
sistem.
168
DAFTAR PUSTAKA
169
Bankosegger, D. (2010, 2010//). COOPERS: Driver Acceptance Assessment of
Cooperative Services. Paper presented at the Data and Mobility, Berlin,
Heidelberg.
Blunch, N. J. (2008). introduction to structural equation modelling using SPSS and
AMOS. London, England: SAGE Publications.
Chan, F., Thong, J., Venkatesh, V., A. Brown, S., Jen-Hwa Hu, P., & Tam, K.
(2010). Modeling Citizen Satisfaction with Mandatory Adoption of an E-
Government Technology. Journal of the Association for Information
Systems, 11, 519-549. doi: 10.17705/1jais.00239
Cheng, D., Liu, G., Qian, C., & Fang Song, Y. (2009). User acceptance of internet
banking: An extension of the UTAUT model with trust and quality
constructs. International Journal of Services Operations and Informatics -
Int J Serv Oper Informat, 4. doi: 10.1504/IJSOI.2009.029186
Davis, F. D. (1989). Perceived Usefulness, Perceived Ease of Use, and User
Acceptance of Information Technology. Mis Quarterly, 13(3), 319-340. doi:
10.2307/249008
Davis, F. D. (1993). User acceptance of information technology: system
characteristics, user perceptions and behavioral impacts. International
Journal of Man-Machine Studies, 38(3), 475-487. doi:
https://doi.org/10.1006/imms.1993.1022
Debbie, C. (2003). Pretesting Survey Instruments: An Overview of Cognitive
Methods. Quality of Life Research, 12(3), 229-238.
Dillon, A., & G. Morris, M. (1996). User Acceptance of Information Technology:
Theories and Models (Vol. 31).
Effendi, S., & Tukiran. (2012). Metode Penelitian Survei. Jakarta: LP3ES.
Eriyanto. (2007). Teknik Sampling Analisis Opini Publik. Yogyakarta: LKiS.
F. Hair, J., Gabriel, M., & Patel, V. (2014). AMOS Covariance-Based Structural
Equation Modeling (CB-SEM): Guidelines on its Application as a
Marketing Research Tool. Revista Brasileira de Marketing, 13, 44-55. doi:
10.5585/remark.v13i2.2718
170
Ferdinand, A. (2002). Metode Penelitian Manajemen : Pedoman penelitian untuk
Skripsi, Tesis, dan Desertasi Ilmu Manajemen. Semarang: BP Undip.
Field, A. (2013). Discovering statistics using IBM SPSS statistics: SAGE.
Firdaus, & Zamzam, F. (2018). Aplikasi Metodologi Penelitian. Yogyakarta:
Deepublish.
Ghozali, I. (2008). Structural Equation Modeling, Teori, Konsep dan Aplikasi
dengan program LISREL 8.80. Semarang: Badan Penerbit Universitas
Diponegoro.
Hair, J. F., Black, W. C., Bbabin, B. J., & Anderson, R. E. (2010). Multivariate
Data Analysis, 7th Edition. New Jersey: Pearson Prentice Hall.
Hair, J. F., Black, W. C., Bbabin, B. J., & Anderson, R. E. (2014). Multivariate
Data Analysis, Pearson New International Edition, 7th Edition. USA:
Pearson
Haryono, S., & Wardoyo, P. (2012). Structural Equation Modeling untuk Penelitian
Menajemen Menggunakan AMOS 18.00. Bekasi: Badan Penerbit PT.
Intermedia Personalia Utama.
Hilario, A. L., Oruga, J. D. H., Turqueza, M. P. B., & Hilario, D. V. (2018).
Utilization of clinical pathway on open appendectomy: A quality
improvement initiative in a private hospital in the Philippines. International
journal of health sciences, 12(2), 43-49.
Hormati, A. (2012). Pengujian Model Unified Theory of Acceptance and Use of
Technology dalam Pemanfaatan Sistem Informasi Keuangan Daerah.
Jurnal Akuntansi Multiparadigma. doi: 10.18202/jamal.2012.04.7140
Hutahaean, J. (2014). Konsep Sistem Informasi. Yogyakarta: Deepublish.
Ifinedo, P. (2012, 4-7 Jan. 2012). Technology Acceptance by Health Professionals
in Canada: An Analysis with a Modified UTAUT Model. Paper presented at
the 2012 45th Hawaii International Conference on System Sciences.
Igbaria, M. (1993). User acceptance of microcomputer technology: An empirical
test. Omega, 21(1), 73-90. doi: https://doi.org/10.1016/0305-
0483(93)90040-R
171
Im, I., Hong, S., & Soo Kang, M. (2011). An international comparison of
technology adoption: Testing the UTAUT model. Information &
Management, 48(1), 1-8.
Irianto, A. B. P., Pramono, S. H., & Winarno, W. W. (2015). Evaluasi Model
Pemanfaatan Teknologi Informasi dalam Menunjang Kinerja di PT
Dirgantara Indonesia (Persero). Media Teknika Jurnal Teknologi, 10 No.2.
Jaya, I. (2019). Penerapan Statistik Untuk Penelitian Pendidikan. Jakarta:
Prenadamedia Group.
Jogiyanto. (2008). Metoologi Penelitian Sistem Informasi. Yogyakarta: Andi.
Kaewkitipong, L., Chen, C. C., & Ractham, P. (2016). Using social media to enrich
information systems field trip experiences: Students’ satisfaction and
continuance intentions. Computers in Human Behavior, 63, 256-263. doi:
https://doi.org/10.1016/j.chb.2016.05.030
Kim, D. J., Ferrin, D. L., & Rao, H. R. (2008). A trust-based consumer decision-
making model in electronic commerce: The role of trust, perceived risk, and
their antecedents. Decision Support Systems, 44(2), 544-564. doi:
https://doi.org/10.1016/j.dss.2007.07.001
Komputer, W. (2014). Membangun Aplikasi Mobile Cross Platform dengan
Phonegap. Jakarta: PT Elex Media Komputindo.
Kusumawardani, I. W., Wahyuni, E. D., & Suharso, W. (2018). Analisis
Penerimaan dan Penggunaan Aplikasi Work Order Android Menggunakan
Metode UTAUT Pada PDAM Kota Malang. 1, 82. doi:
10.25273/doubleclick.v1i2.2127
Laudon, K. C., & Laudon, J. P. (2014). Management Information Systems
Managing the Digital Firm Thirteenth edition: Pearson.
Lee, C.-Y., Tsao, C.-H., & Chang, W.-C. (2015). The relationship between attitude
toward using and customer satisfaction with mobile application services: An
empirical study from the life insurance industry. Journal of Enterprise
Information Management, 28(5), 680-697. doi: doi:10.1108/JEIM-07-2014-
0077
172
Lee, C. Y., Tsao, C. H., & Chang, W. C. (2015). The relationship between attitude
toward using and customer satisfaction with mobile application services: An
empirical study from the life insurance industry. Journal of Enterprise
Information Management, 28(5), 680-697. doi: doi:10.1108/JEIM-07-2014-
0077
Lee, D. Y., & Lehto, M. R. (2013). User acceptance of YouTube for procedural
learning: An extension of the Technology Acceptance Model. Computers &
Education, 61, 193-208. doi:
https://doi.org/10.1016/j.compedu.2012.10.001
Lee, Y.-H., Hsieh, Y.-C., & Hsu, C.-N. (2011). Adding Innovation Diffusion Theory
to the Technology Acceptance Model: Supporting Employees' Intentions to
use E-Learning Systems (Vol. 14).
Ling, L. W., Downe, A. G., Ahmad, W. F. W., & Lai, T. T. (2011, 19-20 Sept.
2011). Determinants of computer usage among educators: A comparison
between the UTAUT and TAM models. Paper presented at the 2011 National
Postgraduate Conference.
Loewenstein, G., Friedman, J. Y., McGill, B., Ahmad, S., Linck, S., Sinkula, S., . .
. Volpp, K. G. (2013). Consumers’ misunderstanding of health insurance.
Journal of Health Economics, 32(5), 850-862. doi:
https://doi.org/10.1016/j.jhealeco.2013.04.004
M. Ikart, E. (2019). Survey Questionnaire Survey Pretesting Method: An
Evaluation of Survey Questionnaire via Expert Reviews Technique. Asian
Journal of Social Science Studies, 4, 1. doi: 10.20849/ajsss.v4i2.565
Mayer, R. C., Davis, J. H., & Schoorman, F. D. (1995). An Integrative Model of
Organizational Trust. The Academy of Management Review, 20(3), 709-
734. doi: 10.2307/258792
Moon, B. C., & Chang, H. (2014). Technology acceptance and adoption of
innovative smartphone uses among hospital employees. Healthcare
informatics research, 20(4), 304-312.
173
Nasir, M. (2013). Evaluasi penerimaan teknologi informasi mahasiswa di
Palembang menggunakan model UTAUT. Paper presented at the Seminar
Nasional Aplikasi Teknologi Informasi 2013.
Nisha, N., Iqbal, M., Rifat, A., & Idrish, S. (2016). Exploring the Role of Service
Quality and Knowledge for Mobile Health Services. International Journal
of E-Business Research, 12, 45-64. doi: 10.4018/IJEBR.2016040104
Oliver, R. L. (1981). Measurement and evaluation of satisfaction processes in retail
settings. Journal of Retailing, 57(3), 25-48.
Payadnya, I. P. A. A., & Jayantika, I. G. A. N. T. (2018). Panduan Penelitian
Eksperimen beserta Analisis Statistik dengan SPSS. Yogyakarta:
Deepublish.
Pramana, H. (2005). Aplikasi Penjualan berbasis Access. Jakarta: Elex Media
Komputindo.
Rachmadi, D. G., Sunarto, D., & Mastan, I. A. (2016). Measurement Acceptance
of UWKS Academic Smart Mobile Applications Using UTAUT (Unified
Theory of Acceptance and Use of Technology). Jurnal Sistem Informasi dan
Komputer Akuntansi, 5, No. 11.
Rao, S., & Troshani, I. (2007). A conceptual framework and propositions for the
acceptance of mobile services. J. Theor. Appl. Electron. Commer. Res., 2(2),
61-73.
Revels, J., Tojib, D., & Tsarenko, Y. (2010). Understanding consumer intention to
use mobile services. Australasian Marketing Journal (AMJ), 18(2), 74-80.
Reynolds, N., Diamantopoulos, A., & Schlegelmilch, B. (1993). Pre-Testing in
Questionnaire Design: A Review of the Literature and Suggestions for
Further Research. Market Research Society. Journal., 35(2), 1-11. doi:
10.1177/147078539303500202
RI, K. K. (2013). Buku Saku FAQ (Frequently Asked Questions) BPJS Kesehatan
(JKN-KIS). Jakarta: Kementerian Kesehatan RI.
Rogers, E. M. (1983). Diffusion of innovations. New York; London: Free Press ;
Collier Macmillan.
174
Saleem, Z., & Rashid, K. (2011). Relationship between Customer Satisfaction and
Mobile Banking Adoption in Pakistan. 2, 537-544. doi:
10.7763/IJTEF.2011.V2.162
Salim, B. (2012). An Application of UTAUT Model for Acceptance of Social
Media in Egypt: A Statistical Study. International Journal of Information
Science, 2, 92-105. doi: 10.5923/j.ijis.20120206.05
Samaradiwakara, G. D. M., & Chandra, G. (2014). Comparison of existing
technology acceptance theories and models to suggest a well improved
theory/model (Vol. 1).
Santoso, S. (2018). Konsep Dasar dan Aplikasi SEM dengan Amos 24. Jakarta: Elex
Media Komputindo.
Saputra, E. (2014). Analisis Penerimaan Sistem Informasi Manajemen Rumah Sakit
Umum Daerah Bankinang Menggunakan Metode Technology Acceptance
Model (TAM). 2014, 10(2), 7.
Sarja, N. (2015). Analisis Penerimaan Sistem Informasi Dosen Menggunakan
Technology Acceptance Model (TAM). Seminar Nasional Informatika.
Sarwono, J. (2013). Statistik Multivariat Aplikasi untuk Riset Skripsi. Yogyakarta:
Andi.
Sharma, S. K., Al-Badi, A., Rana, N. P., & Al-Azizi, L. (2018). Mobile applications
in government services (mG-App) from user's perspectives: A predictive
modelling approach. Government Information Quarterly, 35(4), 557-568.
doi: https://doi.org/10.1016/j.giq.2018.07.002
Siregar, S. (2013). Metode Penelitian Kuantitatif: Dilengkapi dengan
Perbandingan Perhitungan Manual & SPSS Edisi Pertama. Jakarta:
Penerbit Kencana.
Subiyakto, A. a., Ahlan, A. R., Kartiwi, M., & Putra, S. J. (2016). Measurement of
the information system project success of the higher education institutions
in Indonesia: a pilot study. IJBIS, 23 No. 2, 229-247. doi:
10.1504/IJBIS.2016.078908
Subiyakto, A. a., Ahlan, A. R., Kartiwi, M., & Sukmana, H. (2015). Measurement
of Information System Project Success Based on Perceptions of the Internal
175
Stakeholders. International Journal of Electrical and Computer
Engineering (IJECE), 5 No.2, 271-279.
Suharsono, & Retnonigsih, A. (2012). Kamus Besar Bahasa Indonesia Edisi Lux.
Semarang: Widya Karya.
Suki, N. M., & Suki, N. M. (2017). Determining students’ behavioural intention to
use animation and storytelling applying the UTAUT model: The moderating
roles of gender and experience level. The International Journal of
Management Education, 15(3), 528-538. doi:
https://doi.org/10.1016/j.ijme.2017.10.002
Suping, H., & Yizheng, S. (2010). Factors influencing user acceptance of Online
Banking. International Conference on Logistics Systems and Intelligent
Management (ICLSIM), 1, 315-318. doi: 10.1109/ICLSIM.2010.5461412
Supriyadi, E. (2014). SPSS+AMOS Statistical Data Analysis. Jakarta: In Media.
Suryani, & Hendryadi. (2016). Metode Riset Kuantitatif : Teori dan Aplikasi Pada
Penelitian Bidang Manajemen dan Ekonomi Islam. Jakarta: Prenadamdia
Group.
Suzanto, B., & Sidharta, I. M. T. (2015). Pengukuran End-User Computing
Satisfaction Atas Penggunaan Sistem Informasi Akademik. Jurnal
Ekonomi, Bisnis & Enterpreneurship, 9 No.1, 16-28.
Swanson, W. B. (1988). Information System Implementation: Bridging the Gap
Between Design and Utilization Homewood: IRWIN,Inc.
Taherdoost, H. (2018). A review of technology acceptance and adoption models
and theories. Procedia Manufacturing, 22, 960-967. doi:
https://doi.org/10.1016/j.promfg.2018.03.137
Ting, G., & Yanhong, D. (2012, 22-24 June 2012). A study on users' acceptance
behavior to mobile e-books application based on UTAUT model. Paper
presented at the 2012 IEEE International Conference on Computer Science
and Automation Engineering.
V Perneger, T., Courvoisier, D., Hudelson, P., & Gayet-Ageron, A. (2014). Sample
size for pre-tests of questionnaires. Quality of life research : an
176
international journal of quality of life aspects of treatment, care and
rehabilitation, 24. doi: 10.1007/s11136-014-0752-2
Venkatesh, V., G Morris, M., B Davis, G., & Davis, F. (2003). User Acceptance of
Information Technology: Toward a Unified View. Mis Quarterly, 27, 425-
478. doi: 10.2307/30036540
Venkatesh, V., Thong, J., & Xu, X. (2016). Unified Theory of Acceptance and Use
of Technology: A Synthesis and the Road Ahead. Journal of the Association
for Information Systems, 17, 328–376. doi: 10.17705/1jais.00428
Venkatesh, V., & Zhang, X. (2010). Unified Theory of Acceptance and Use of
Technology: U.S. Vs. China. Journal of Global Information Technology
Management, 13(1), 5-27. doi: 10.1080/1097198X.2010.10856507
Wang, H.-Y., & Wang, S.-H. (2010). User acceptance of mobile internet based on
the unified theory of acceptance and use of technology: Investigating the
determinants and gender differences. Social Behavior and Personality: An
International Journal, 38(3), 415-426. doi: 10.2224/sbp.2010.38.3.415
Wibisono, D. (2013). Riset BisnisPanduan bagi Praktisi dan Akademisi. Jakarta:
Gramedia Pustaka Utama.
Widarjono, A. (2015). Analisis Multivariat Terapan dengan SPSS, AMOS, dan
SMARTPLS. Yogyakarta: UPP STI YKPN.
Widi, R. K. (2010). Asas Metodologi Penelitian. Jakarta: Graha Ilmu.
Widiani, Y. N., & Abdullah, A. (2018). Kualitas Pelayanan E-Government Melalui
Aplikasi E-Filing Kantor Pelayanan Pajak Pratama Bandung Cibeunying
Terhadap Kepuasan Pengguna Aplikasi. Jurnal Riset Bisnis dan
Manajemen, 11(2), 88-96. doi: 10.23969/jrbm.v11i2.721
Widyapraba, E., Susanto, T. D., & Herdiyanti, A. (2016). Analisis Faktor-Faktor
yang Mempengaruhi Niat Pengguna untuk Menggunakan Aplikasi Daftar
Online Rumah Sakit (Studi Kasus : RSUD Gambiran Kediri. Seminar
Nasional Sistem Informasi, 163-172.
Willy, A. (2018). Metode Penelitian Terpadu Sistem Informasi Pemodelan Teoritis,
Pengukuran, dan Pengujian Statistis. Yogyakarta: Andi.
177
Yang, S.-C., & Farn, C.-K. (2009). Social capital, behavioural control, and tacit
knowledge sharing—A multi-informant design. International Journal of
Information Management, 29(3), 210-218. doi:
https://doi.org/10.1016/j.ijinfomgt.2008.09.002
Yoep, M. A., & Noh, N. M. (2016). Blended Learning: Literature Review on The
Acceptance Factors of the Teachers Based on Acceptance Models. Journal
of Research, Policy & Practice of Teachers & Teacher Education, 6 No.1,
67-85.
Yusuf, A. M. (2014). Metode Penelitian : Kuantitatif, Kualitatif, dan Penelitian
Gabungan
Jakarta: Kencana.
Zhou, T. (2012). Examining location-based services usage from the perspectives of
unified theory of acceptance and use of technolog and privacy risk. Journal
of Electronic Commerce Research, 13, 135-144.
178
LAMPIRAN
LAMPIRAN 1
KUESIONER PENELITIAN
Kepada Yth.
Bapak/Ibu/Sudara/i
Pengguna Aplikasi Mobile JKN
JABODETABEK
di- Tempat
PNS/TNI/POLRI
Karyawan
Wiraswasta
Lainnya ______________
8. Secara keseluruhan, apakah dengan adanya aplikasi mobile JKN dapat membantu dalam
mendapatkan layanan?
Sangat membantu
Membantu
Tidak tahu
Tidak membantu
Sangat Menerima
Menerima
Tidak tahu
Tidak menerima
No. Pertanyaan 1 2 3 4 5
STS TS N S SS
14. Aplikasi mudah dimengerti dalam pengguaannya
15. Aplikasi tidak membutuhkan keterampilan khusus dalam penggunaannya
16. Aplikasi mudah digunakan
17. Aplikasi mudah dipelajari